python和R中卡方检验的不同p值

Question

作为一名普通的R用户，我正在学习使用python进行分析，我开始使用卡方并执行以下操作：

- [R

> chisq.test(matrix(c(10,20,30,40),nrow = 2))$p.value               # test1
[1] 0.5040359
> chisq.test(matrix(c(1,2,3,4),nrow = 2))$p.value                   # test2
[1] 1
Warning message:
In chisq.test(matrix(c(1, 2, 3, 4), nrow = 2)) :
  Chi-squared approximation may be incorrect
> chisq.test(matrix(c(1,2,3,4),nrow = 2),correct = FALSE)$p.value   # test3
[1] 0.7781597
Warning message:
In chisq.test(matrix(c(1, 2, 3, 4), nrow = 2), correct = FALSE) :
  Chi-squared approximation may be incorrect

的Python

In [31]:
temp = scipy.stats.chi2_contingency(np.array([[10, 20], [30, 40]]))  # test1
temp[1] # pvalue
Out[31]:
0.50403586645250464
In [30]:
temp = scipy.stats.chi2_contingency(np.array([[1, 2], [3, 4]]))      # test2
temp[1] # pvalue
Out[30]:
0.67260381744151676

对于test1，我很满意，因为来自python和R的测试显示出类似的结果，但test2不是这种情况，因为R有参数correct，所以我改变了它默认值，生成的p值不相同。

我的代码有什么问题吗？我应该选择哪一个＆＃34;？

更新01

感谢您的反馈。我知道卡方检验不应该用于值小于5的单元格，我应该使用fisher精确检验，我担心的是为什么R和Python给p值带来如此巨大的差异。

Answer 1

除了细胞计数＆lt; 5问题，根据我的经验，统计测试的R和Python实现通常都有默认启用的各种更正（应该改进基本方法）。关闭修正似乎使scipy p值与R匹配：

scipy.stats.chi2_contingency(np.array([[1, 2], [3, 4]]), correction=False)

Out[6]: 
# p-val = 0.778159
(0.079365079365079388, 0.77815968617616582, 1, array([[ 1.2,  1.8],
        [ 2.8,  4.2]]))

这同样适用于t检验等，其中默认可能会或可能不会假设相等的方差。基本上每当你在统计之间匹配输出时遇到麻烦 软件，开始查看默认参数，看看你是否应该启用或禁用这些调整。