卡方检验 | 富集分析 | Chi-Square Test in R

基本10分以上的paper都要求有严格地统计分析，所以看起来才会professional。

本质就是两个离散变量的关联分析，还可以给出OR。

• 小样本就用Fisher's exact test for small cell sizes
• 大样本就用Chi-Square Test

首先画一个2X2的表格

首先就可以算一个OR，就是比例的比例 = a * d / b *c = (a/b) / (c/d)，越接近1就越代表没有区别，即没有关联（两个变量随机）。

其次可以用R来算P-value

tmp.table <- matrix(data = c(66,76,7,197), byrow = F, nrow = 2)

colnames(tmp.table) <- c("core6", "others")
rownames(tmp.table) <- c("WES", "non-WES")

core6	others
WES	66	7
non-WES	76	197

epitools::oddsratio(tmp.table, method = "wald")

结果：

$data
A matrix: 3 × 3 of type dbl
core6	others	Total
WES	66	7	73
non-WES	76	197	273
Total	142	204	346

$measure
A matrix: 2 × 3 of type dbl
estimate	lower	upper
WES	1.00000	NA	NA
non-WES	24.43985	10.7338	55.64725

$p.value
A matrix: 2 × 3 of type dbl
midp.exact	fisher.exact	chi.square
WES	NA	NA	NA
non-WES	0	5.143003e-23	4.732414e-22

参考：

Contingency analysis: R code for Chapter 9 examples

标签：non,Square,dbl,Chi,WES,NA,Test,exact,matrix
来源： https://www.cnblogs.com/leezx/p/15265049.html