G-testi vs Pearson ki-kare testi

Ben bir olasılık tablosunda bağımsızlığı test ediyorum . G-testi veya Pearson ki-kare testinin daha iyi olup olmadığını bilmiyorum . Örnek boyutu yüzlercedir ancak bazı düşük hücre sayıları vardır. Wikipedia sayfasında belirtildiği gibi , ki-kare dağılımına yaklaşım, G-testi için Pearson'un ki-kare testinden daha iyidir. Ama p-değerini hesaplamak için Monte Carlo simülasyonunu kullanıyorum, bu yüzden bu iki test arasında herhangi bir fark var mı?$N \times M$

Asimptotik olarak aynılar. Aynı fikre ulaşmanın farklı yolları. Daha spesifik olarak, Pearson ki-kare testi bir skor testidir, oysa G-testi bir olasılık oranı testidir. Bu fikirleri daha iyi anlamak için, cevabımı burada okumanıza yardımcı olabilir: P-değerlerim lojistik regresyon çıktısı, ki-kare testi ve OR için güven aralığı arasında neden farklılık gösteriyor? Doğrudan sorunuza cevap vermek için, Monte Carlo simülasyonu ile p değerini hesaplıyorsanız, bunun önemi yoktur; sadece hangisi sizin için daha uygunsa kullanabilirsiniz. Düşük hücre sayımları ile ilgili bir sorun olmadığını, sadece (potansiyel olarak) düşük beklendiğini unutmayınhücre sayımı; düşük hücre sayılarına sahip olmak ve sadece iyi olan beklenen sayılara sahip olmak mümkündür. Ayrıca, p-değeri simülasyonla belirlendiğinde ne düşük gerçek sayımlar ne de düşük beklenen sayılar önemlidir.

(Değeri için muhtemelen Pearson'un ki kare kullandım, çünkü R p-değerini simüle etme seçeneğini içerenler için uygun bir işleve sahiptir.)

Rfast'a bir bak. https://cran.r-project.org/web/packages/Rfast/index.html İlgili komutlar g2Test_univariate (veri, dc) g2Test_univariate_perm (veri, dc, nperm) Hesaplamalar son derece hızlıdır. Ki-kare buna bir yaklaşım olduğundan genel olarak G ^ 2 testini tercih edin.

Ki-kare testi ve G-testi genellikle benzer sonuçlar verir. Ancak burada en önemli şey, iki testten birini seçip, sadece söz konusu testiniz için değil, araştırmanız sırasında gelecekteki testler için de devam etmenizdir. Her iki testi de dönüşümlü olarak kullanmaya çalışırsanız, yanlış pozitif olma şansınızı artıracağınız önerilir.