7.2.2独立性检验
1. 卡方独立性检验
可以使用chisq.test()函数对二维表的行变量和列变量进行卡方独立性检验
> library(vcd)
> mytable<-xtabs(~Treatment+Improved,data=Arthritis)
> chisq.test(mytable)
       Pearson's Chi-squared test
data:  mytable
X-squared = 13.055, df = 2, p-value = 0.001463#治疗情况和改善情况不独立
2. Fisher精确检验
可以使用fisher.test()函数进行Fisher精确检验。Fisher精确检验的原假设是：边界固定
的列联表中行和列是相互独立的。其调用格式为fisher.test(mytable)，其中的mytable是
一个二维列联表
> fisher.test(mytable)
       Fisher's Exact Test for Count Data
data:  mytable
p-value = 0.001393
alternative hypothesis: two.sided
这里的fisher.test()函数可以在任意行列数大于等于2的二维列联表上使用，但不能用于2×2的列联表。
3.Cochran-Mantel—Haenszel检验
mantelhaen.test()函数可用来进行Cochran—Mantel—Haenszel卡方检验，其原假设是，两
个名义变量在第三个变量的每一层中都是条件独立的。
> mantelhaen.test(mytable)
       Cochran-Mantel-Haenszel test
data:  mytable
Cochran-Mantel-Haenszel M^2 = 14.6323, df = 2,
p-value = 0.0006647
7.2.3 相关性的度量
如果可以拒绝原假设，那么你的兴趣就会自然而然地转向用以衡量相关性强弱的相关性度量。vcd包中的assocstats()函数可以用来计算二维列联表的phi系数、列联系数和Cramer’sV系数
> mytable<-xtabs(~Treatment+Improved,data=Arthritis)
> assocstats(mytable)
                    X^2 df  P(> X^2)
Likelihood Ratio 13.530  2 0.0011536
Pearson          13.055  2 0.0014626
Phi-Coefficient   : 0.394
Contingency Coeff.: 0.367
Cramer's V        : 0.394
总体来说，较大的值意味着较强的相关性。vcd包也提供了一个kappa()函数，可以计算混
淆矩阵的Cohen’s kappa值以及加权的kappa值。（举例来说，混淆矩阵可以表示两位评判者对于一系列对象进行分类所得结果的一致程度。）
7.2.5将表转换为扁平格式
通过table2flat将表转换为扁平格式
> table2flat<-function(mytable){
+ df<-as.data.frame(mytable)
+ rows<-dim(df)[1]
+ cols<-dim(df)[2]
+ x<-NULL
+ for(i in 1:rows){
+ for(j in 1:df$Freq[i]){
+ row<-df[i,c(1:(cols-1))]
+ x<-rbind(x,row)
+ }
+ }
+ row.names(x)<-c(1:dim(x)[1])
+ return(x)
+ }
使用table2flat()函数转换已发表的数据
> treatment<-rep(c("Placebo","Treated"),times=3)
> improved<-rep(c("None","Some","marked"),each=2)
> Freq<-c(29,13,7,17,7,21)
> mytable<-as.data.frame(cbind(treatment,improved,Freq))
> mydata<-table2flat(mytable)
> head(mydata)
  treatment inmproved
1   Placebo      None
2   Placebo      None
3   Placebo      None
4   Placebo      None
5   Treated      None
6   Placebo      Some

请问：
频数表相关性检验中：
vcd包中的assocstats()函数用来计算二维列联表的phi系数、列联系数和Cramer’s V系数 是什么意思？有什么意义？

二维列联表的phi系数、列联系数和Cramer’s V系数
同问

http://uregina.ca/~gingrich/ch11a.pdf可以看下这个的解释