python和R中的卡方检验使用不同的p值

Question

作为普通的R用户，我正在学习使用python进行分析，我从卡方开始，并做了以下工作：

[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

蟒蛇

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python和R的测试显示了相似的结果，但test2事实并非如此，因为R具有参数correct，所以我将其更改为默认值，并且生成的p值不相同。

我的代码有什么问题吗？我应该“相信”哪一个？

更新01

感谢您的反馈。我知道不应该对值小于5的单元格使用卡方检验，而应该使用fisher精确检验，我担心的是为什么R和Python给出如此巨大差异的p值。

Answer 1

除了单元数小于5的问题外，根据我的经验，R和Python统计测试的实现通常都默认启用了各种更正（应该在基本方法上进行了改进）。关闭校正似乎会使scipyp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]]))

这适用于t检验等，默认情况下可能会或可能不会假设均等方差。基本上，每当您在统计软件之间无法匹配输出时，就开始查看默认参数以查看是否应启用或禁用这些调整。