介    绍

数值变量如果服从正态分布，采用均数±标准差进行统计描述，采用方差分析进行组间比较，如果组间差异有统计学意义，进一步采用LSD法(也可以是其它方法)进行两两比较。如果不服从正态分布，采用中位数(四分位数间距)进行统计描述，组间比较采用非参数检验(Kruskal-Wallis秩和检验)，当组间总的有统计学差异，进一步采用Dunn法(也可以是其它方法)进行多重比较。对于分类变量，采用例数(百分比)的形式描述，组间比较采用χ2检验或精确概率法，当组间总的有统计学差异，进一步采用χ2检验或精确概率法进行两两比较，两两比较的P值需采用Boferroni法(也可以选择其它方法)进行校正。对于只会SPSS软件的同学来说，做两两比较的卡方检验或精确概率法时，需要一次次选择个案，一次次点菜单，太浪费时间和精力。用R软件的优势在于做两两比较时，不用再一次一次点菜单了，直接用几行命令就可以了。我们想看看不同工作岗位的男女比例是否有差异。

软件操作

1、导入数据

mydata "clipboard")#查看数据str(mydata)head(mydata)

2、变量因子化

mydata$sex$sex,levels=c(0,1),labels=c(mydata$work$work,levels=c(1,2,3,4),labels=c(

#查看数据str(mydata)head(mydata)

3、对于分析涉及到的变量，形成表格数据我们想研究不同工作岗位的男女比例是否有差异，需要把涉及到的两个变量work和sex生成表格，输入：

tab$work,mydatatab

4、卡方检验和精确概率法

#卡方检验chisq.test(tab)

#精确概率法fisher.test(tab)

结果解读：使用chisq.test命令进行卡方检验，结果显示：统计量χ2=20.911，p=0.0001099，在论文中需写成χ2=20.91，p<0.001，说明不同岗位的男女比例有差异，但具体是哪两个岗位有差异，还需进一步两两比较。(注：论文中卡方值一般保留两位小数，p值一般保留三位小数，如果p<0.001，可以直接写成p<0.001)。如果不符合卡方检验条件，需改用精确概率法，其实就算符合卡方检验条件，也可以直接用精确概率法。使用fisher.test命令进行精确概率法，结果显示p=8.359*10^-5，论文中需要写成p<0.001，说明不同岗位的男女比例有差异，但具体是哪两个岗位有差异，还需进一步两两比较。5、两两比较

#install.packages("rcompanion")library(rcompanion)#两两比较卡方检验pairwiseNominalIndependence(tab,chisq  = TRUE,fisher = FALSE,gtest  = FALSE,method = "bonferroni")

上面红色的warning messages提示卡方检验得到的结果可能不准确，为了保险起见，我们采用Fisher精确概率法进行两两比较。

#两两比较精确概率法pairwiseNominalIndependence(tab,chisq  = FALSE,fisher = TRUE,gtest  = FALSE,method = "bonferroni")

结果解读：事后两两比较由于检验次数的增多，会增加一类错误的概率，所以通常需要校正p值或校正检验水准，两者本质是一样的。我们通过R软件进行两两比较的好处是，可以直接设定两两比较p值校正方法，如本例中，我们直接设置为bonferroni法，p.adj.Fisher列即为校正后的p值，可以直接与0.05相比，如果<0.05，说明两者之间差异有统计学意义；否则，说明无统计学意义。本例中，A岗和B岗的男女比例差异有统计学意义，p=6.42*10-5，需要写成p<0.001。需要说明的是，有的p值经校正之后=1，这是很正常的。

知识拓展

本例中p值校正的方法，我们选择的是bonferroni法，只要在论文中说明所用方法即可。大家也可以尝试别的方法，更多信息可以在Rstudio中输入?p.adjust获取。希望今天的文章对你有用，随手点个在看吧。本文由刘老师医学统计(ID：ourdata)原创，转载请注明来源。

转载、投稿、商务合作、统计学习/咨询请在公众号后台，添加作者微信。

你点的每个赞，我都认真当成了喜欢