382
Le logiciel R - Effectuer des analyses statistiques
# O i j .
> tab.ind <- chisq.test(sexematgras)$expected # Les E i j .
> round(tab.ind)
matgras
sexe
beurre margarine arachide tournesol olive Isio4 colza
Homme
6
10
18
26
15
9
0
Femme
9
17
30
42
25
14
1
matgras
sexe
canard
Homme
2
Femme
2
> # (sexematgras-tab.ind)^2/tab.ind:
#
(O i j −E i j )ˆ2
E i j
.
> tab.contr <- chisq.test(sexematgras)$residuals^2
> tab.contr
matgras
sexe
beurre
margarine
arachide
tournesol
Homme 3.367083116 0.002361810 0.233489502 0.818473834
Femme 2.029801879 0.001423786 0.140756083 0.493406212
matgras
sexe
olive
Isio4
colza
canard
Homme 1.632483082 1.540468053 0.376106195 1.486777720
Femme 0.984121007 0.928650954 0.226730685 0.896284441
> khi2 <- chisq.test(sexematgras)$statistic
# sum(tab.contr)
> khi2
# χ
2
=
i, j
(O i j −E i j )ˆ2
E i j
.
X-squared
15.15842
Astuce
Une autre mani` ere de calculer la statistique du χ
2 repose sur l’utilisation
de la fonction summary().
> khi2 <- summary(table(sexe,matgras))$statistic
> khi2
[1] 15.15842
9.5.1.2 Φ
2 , V de Cram´ er et coefficient de contingence de Pearson
Tous les indicateurs du tableau suivant se calculent ` a partir du coefficient
du χ
2 .
> N <- sum(sexematgras)
> p <- nrow(sexematgras)
> q <- ncol(sexematgras)