R - 事后卡方 - 不再支持“fifer”包？答案

【问题标题】：R - post hoc chi squared - "fifer" package no longer supported?R - 事后卡方 - 不再支持“fifer”包？
【发布时间】：2019-02-27 02:26:28
【问题描述】：

我正在尝试将包 fifer 与命令 install.packages("fifer") 与 R 3.5.0 一起使用。但是，R 告诉我它不可用。这个webpage 告诉我它已从 CRAN 中删除。或者，R 中是否有另一个函数/包允许进行事后卡方？

【问题讨论】：

存档版本不能下载安装有什么原因吗？
谢谢。 @RuiBarradas。我成功下载了存档版本！但是为什么它被从 CRAN 中删除了？
我不知道。通常这意味着维护者不再想要或不能支持它。贡献的包是开发者和维护者的责任，而不是 CRAN 的。
好的@RuiBarradas 谢谢你的cmets

标签： r package installation chi-squared

【解决方案1】：

或者，您可以使用 devtools 安装软件包

install.packages("devtools")
library(devtools)
install_github("dustinfife/fifer")

根据Github 上的活动，它看起来仍在维护/开发中。

但是，我无法以这种方式安装它或使用 R 3.5.1 中的存档（但它似乎适用于 R 3.5.0 及更早版本）。祝你好运。

【讨论】：

【解决方案2】：

此外，还有chisq.posthoc.test 包。 https://www.rdocumentation.org/packages/chisq.posthoc.test/versions/0.1.2/topics/chisq.posthoc.test

test.df <- as.table(cbind(c(30,40,60,120), c(50,70,60,80)))

library(chisq.posthoc.test)

chisq.posthoc.test(test.df)

#  Dimension     Value          A          B
#1         A Residuals -2.2446418  2.2446418
#2         A  p values  0.1983290  0.1983290
#3         B Residuals -2.9981988  2.9981988
#4         B  p values  0.0217260  0.0217260
#5         C Residuals  0.2456726 -0.2456726
#6         C  p values  1.0000000  1.0000000
#7         D Residuals  3.9842868 -3.9842868
#8         D  p values  0.0005410  0.0005410

【讨论】：

【解决方案3】：

不再维护包fifer，这里是RVAideMemoire的解决方案（更详细的描述在这里https://rdrr.io/cran/RVAideMemoire/src/R/chisq.multcomp.R），使用来自Post-Hoc tests for chi-sq in R的示例：

install.packages("RVAideMemoire")
library(RVAideMemoire)
theft_loc<-as.table(c(13704L, 14059L, 14263L, 14450L, 14057L, 15503L, 14230L, 
           16758L, 15289L, 15499L, 16066L, 15905L, 18531L, 19217L, 12410L, 
           13398L, 13308L, 13455L, 13083L, 14111L, 13068L, 19569L, 18771L, 
           19626L, 20290L, 19816L, 20923L, 20466L, 20517L, 19377L, 20035L, 
           20504L, 20393L, 22409L, 22289L, 7997L, 8106L, 7971L, 8437L, 8246L, 
           9090L, 8363L, 7934L, 7874L, 7909L, 8150L, 8191L, 8746L, 8277L, 
           27194L, 25220L, 26034L, 27080L, 27334L, 30819L, 30633L, 10452L, 
           10848L, 11301L, 11494L, 11265L, 11985L, 11038L, 12104L, 13368L, 
           14594L, 14702L, 13891L, 12891L, 12939L), .Dim = c(7L, 10L), .Dimnames = structure(list(
             c("Sunday", "Monday", "Tuesday", "Wednesday", "Thursday", 
               "Friday", "Saturday"), c("BAYVIEW", "CENTRAL", "INGLESIDE", 
                                        "MISSION", "NORTHERN", "PARK", "RICHMOND", "SOUTHERN", "TARAVAL", 
                                        "TENDERLOIN")), .Names = c("", "")), class = "table")
chisq.multcomp(theft_loc, p.method = "none")
>      7874    7909    7934    7971    7997    8106    8150    8191    8246    8277    8363    8437    8746    9090    10452   10848   11038   11265   11301  
7909  0.78056 -       -       -       -       -       -       -       -       -       -       -       -       -       -       -       -       -       -      
7934  0.63321 0.84256 -       -       -       -       -       -       -       -       -       -       -       -       -       -       -       -       -      
7971  0.44095 0.62272 0.76923 -       -       -       -       -       -       -       -       -       -       -       -       -       -       -       -      
7997  0.32889 0.48533 0.61768 0.83698 -       -       -       -       -       -       -       -       -       -       -       -       -       -       -      
8106  0.06647 0.11954 0.17444 0.28701 0.39036 -       -       -       -       -       -       -       -       -       -       -       -       -       -      
8150  0.02923 0.05720 0.08854 0.15860 0.22857 0.73002 -       -       -       -       -       -       -       -       -       -       -       -       -      
8191  0.01238 0.02625 0.04298 0.08354 0.12732 0.50552 0.74841 -       -       -       -       -       -       -       -       -       -       -       -      
8246  0.00339 0.00802 0.01417 0.03081 0.05073 0.27360 0.45342 0.66793 -       -       -       -       -       -       -       -       -       -       -      
8277  0.00152 0.00382 0.00706 0.01637 0.02817 0.18156 0.32174 0.50276 0.80943 -       -       -       -       -       -       -       -       -       -      
8363  0.00012 0.00037 0.00078 0.00216 0.00422 0.04522 0.09741 0.18128 0.36396 0.50497 -       -       -       -       -       -       -       -       -      
8437  1.0e-05 3.6e-05 8.5e-05 0.00027 0.00060 0.01007 0.02585 0.05643 0.13921 0.21586 0.56805 -       -       -       -       -       -       -       -      
8746  1.3e-11 8.8e-11 3.2e-10 2.0e-09 7.1e-09 8.2e-07 4.5e-06 2.0e-05 0.00013 0.00032 0.00341 0.01841 -       -       -       -       -       -       -      
9090  < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 6.2e-14 8.1e-13 8.0e-12 1.5e-10 6.9e-10 3.7e-08 8.1e-07 0.01000 -       -       -       -       -       -      
10452 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 < 2e-16 -       -       -       -       -

不幸的是，类别名称丢失并被每个类别的计数所取代。我不喜欢对多重比较进行更正（参见 [Moran 2003][1] 进行讨论），但可以使用 fdr。

> install.packages("fifer")
Installing package into ‘C:/Users/admin/Documents/R/win-library/3.5’
(as ‘lib’ is unspecified)
Warning in install.packages :
  package ‘fifer’ is not available (for R version 3.5.0)

[1]：莫兰，医学博士（2003 年）。在生态学研究中拒绝顺序 Bonferroni 的论据。 Oikos, 100(2), 403-405。

【讨论】：

【解决方案4】：

过去使用过'fifer'包，我也看到了这个：

chisq.test(Matriz)

X-squared = 7.7832, df = 3, p-value = 0.05071

FUN = function(i,j){     
      chisq.test(matrix(c(Matriz[i,1], Matriz[i,2],
                          Matriz[j,1], Matriz[j,2]),
                 nrow=2,
                 byrow=TRUE))$ p.value
                }

pairwise.table(FUN,
               rownames(Matriz),
               p.adjust.method="fdr")

在https://rcompanion.org/rcompanion/b_05.html 找到——这给出了类似于 fifer 的答案。 p.adjust.method 可以更改。

【讨论】：

【解决方案5】：

或者，您可以下载源包并使用远程包进行安装。

library(remotes)
install_version("fifer", "1.0")
# Import
library(fifer)
# Run Post Hoc Test of Proportion
chisq.post.hoc(table(data))

适用于 R 版本 4.1.2

【讨论】：