我正在尝试对dplyr框架内的几个组进行卡方检验.问题是, group_by() %>% summarise()似乎没有办法.
模拟数据(与有问题的数据结构相同,但随机,因此p值应该很高)
set.seed(1)
data.frame(partido=sample(c("PRI", "PAN"), 100, 0.6),
genero=sample(c("H", "M"), 100, 0.7),
GM=sample(c("Bajo", "Muy bajo"), 100, 0.8)) -> foo
我想比较GM定义的几个组,看看partido和genero的交叉表的p.values是否有变化,以GM为条件.
明显的dplyr方式应该是:
foo %>%
group_by(GM) %>%
summarise(pvalue=chisq.test(.$partido, .$genero)$p.value) #just the p.value, so summarise is happy
但是我得到了未分组数据的p.values,只是时间,而不是每个表的p.value:
# A tibble: 2 × 2
GM pvalue
<fctr> <dbl>
1 Bajo 0.8660521
2 Muy bajo 0.8660521
使用过滤器测试每个组我得到:
foo %>%
filter(GM=="Bajo") %$%
table(partido, genero) %>%
chisq.test()
返回: X-squared = 0.015655, df = 1, p-value = 0.9004
foo %>%
filter(GM=="Muy bajo") …