卡方检验判断预测变量与目标变量的相关性（使用R语言）

卡方检验判断预测变量与目标变量的相关性（使用R语言）

在数据分析中，我们经常需要确定预测变量和目标变量之间的相关性。卡方检验是一种常用的统计方法，用于确定两个分类变量之间是否存在显著的相关性。本文将介绍如何使用R语言进行卡方检验，并提供相应的源代码示例。

卡方检验的原假设是预测变量和目标变量之间没有关联，备择假设是它们之间存在关联。在R语言中，我们可以使用chisq.test()函数进行卡方检验。下面是一个示例数据集，其中包含预测变量（性别）和目标变量（是否购买产品）的观测值。

# 创建示例数据集
gender <- c("男", "男", "女", "女", "男", "女")
purchase <- c("是", "否", "是", "是", "否", "否")

# 将数据集转换为列联表
table <- table(gender, purchase)
print(table)

# 进行卡方检验
result <- chisq.test(table)
print(result)

在上面的代码中，我们首先创建了两个向量gender和purchase，分别表示性别和购买情况。然后，我们使用table()函数将数据集转换为列联表，该表显示了各个组合的观测频数。最后，我们使用chisq.test()函数对列联表进行卡方检验，并将结果存储在result变量中。

运行上述代码，我们将得到以下输出：

     purchase
gender 否 是
   女   2  1