看過許多統計教程，這篇是我最推薦的
介 紹
數值變量如果服從正態分布，採用均數±標準差進行統計描述，採用方差分析進行組間比較，如果組間差異有統計學意義，進一步採用LSD法（也可以是其它方法）進行兩兩比較。如果不服從正態分布，採用中位數（四分位數間距）進行統計描述，組間比較採用非參數檢驗（Kruskal-Wallis秩和檢驗），當組間總的有統計學差異，進一步採用Dunn法（也可以是其它方法）進行多重比較。
對於分類變量，採用例數（百分比）的形式描述，組間比較採用χ2檢驗或精確概率法，當組間總的有統計學差異，進一步採用χ2檢驗或精確概率法進行兩兩比較，兩兩比較的P值需採用Boferroni法（也可以選擇其它方法）進行校正。
對於只會SPSS軟體的同學來說，做兩兩比較的卡方檢驗或精確概率法時，需要一次次選擇個案，一次次點菜單，太浪費時間和精力。用R軟體的優勢在於做兩兩比較時，不用再一次一次點菜單了，直接用幾行命令就可以了。
我們想看看不同工作崗位的男女比例是否有差異。
軟體操作
1、導入數據
mydata <- read.delim("clipboard")#查看數據str(mydata)head(mydata)
2、變量因子化
mydata$sex<-factor(mydata$sex,levels=c(0,1),labels=c("Male","Female"))mydata$work<-factor(mydata$work,levels=c(1,2,3,4),labels=c("A崗","B崗","C崗","D崗"))
#查看數據str(mydata)head(mydata)
3、對於分析涉及到的變量，形成表格數據
我們想研究不同工作崗位的男女比例是否有差異，需要把涉及到的兩個變量work和sex生成表格，輸入：
tab<-table(mydata$work,mydata$sex)tab
4、卡方檢驗和精確概率法
#卡方檢驗chisq.test(tab)
#精確概率法fisher.test(tab)
結果解讀：
使用chisq.test命令進行卡方檢驗，結果顯示：統計量χ2=20.911，p=0.0001099，在論文中需寫成χ2=20.91，p<0.001，說明不同崗位的男女比例有差異，但具體是哪兩個崗位有差異，還需進一步兩兩比較。（註：論文中卡方值一般保留兩位小數，p值一般保留三位小數，如果p<0.001，可以直接寫成p<0.001）。
如果不符合卡方檢驗條件，需改用精確概率法，其實就算符合卡方檢驗條件，也可以直接用精確概率法。使用fisher.test命令進行精確概率法，結果顯示p=8.359*10-5，論文中需要寫成p<0.001，說明不同崗位的男女比例有差異，但具體是哪兩個崗位有差異，還需進一步兩兩比較。
5、兩兩比較
#install.packages("rcompanion")library(rcompanion)#兩兩比較卡方檢驗pairwiseNominalIndependence(tab,chisq = TRUE,fisher = FALSE,gtest = FALSE,method = "bonferroni")
上面紅色的warning messages提示卡方檢驗得到的結果可能不準確，為了保險起見，我們採用Fisher精確概率法進行兩兩比較。
#兩兩比較精確概率法pairwiseNominalIndependence(tab,chisq = FALSE,fisher = TRUE,gtest = FALSE,method = "bonferroni")
結果解讀：
事後兩兩比較由於檢驗次數的增多，會增加一類錯誤的概率，所以通常需要校正p值或校正檢驗水準，兩者本質是一樣的。
我們通過R軟體進行兩兩比較的好處是，可以直接設定兩兩比較p值校正方法，如本例中，我們直接設置為bonferroni法，p.adj.Fisher列即為校正後的p值，可以直接與0.05相比，如果<0.05，說明兩者之間差異有統計學意義；否則，說明無統計學意義。
本例中，A崗和B崗的男女比例差異有統計學意義，p=6.42*10-5，需要寫成p<0.001。
需要說明的是，有的p值經校正之後=1，這是很正常的。
知識拓展
本例中p值校正的方法，我們選擇的是bonferroni法，只要在論文中說明所用方法即可。
大家也可以嘗試別的方法，更多信息可以在Rstudio中輸入?p.adjust獲取。