我想进行卡方检验，以将我的数据（“真实”列）与理论正态分布（“ theor”列）进行比较，该理论正态分布（在Excel中）是通过大真实样本（处理）的参数计算得出的此样本的排名-是“真实”列）。
为此，我应使用R中的哪种测试？
起初我以为应该是chisq.test
但是我将它的结果与EXCEL中函数“ CHI2TEST”的结果（应该给出相同的结果）进行比较，并且这些结果完全不同。它给出p值= 0.2426，而Excel的CHI2TEST得到p值0.87。
也许我没有正确使用chisq.test？您能否检查我的脚本或建议我对R中的卡方检验进行正确的检验？
> real
[1] 2 3 15 22 21 14 2 1
> theor
[1] 1.4 5.7 14.1 21.6 20.2 11.6 4.1 0.9
> chisq.test (real,theor)
Pearson's Chi-squared test
data: real and theor
X-squared = 48, df = 42, p-value = 0.2426
Warning message:
In chisq.test(real, theor) : Chi-squared approximation may be incorrect
最佳答案
chisq.test用于列联表，这不是您要提供的。 （请注意，自由度为42，因此它认为您的“实际”变量是计数而不是数值测量。请看一下Pearson卡方检验的这种实现：
> chisq <- sum( (real-theor)^2/theor)
> chisq
[1] 3.2159
> pchisq(chisq, length(theor)-1 ) # df = n-1
[1] 0.1356627
> 1- pchisq(chisq, length(theor)-1 )
[1] 0.8643373
# compare to Excel
有许多不同版本的“卡方”检验。实际上如此之多，以至于任何人仅将其分析描述为“使用卡方检验”，就应该怀疑自己没有能力。上面的测试可以描述为对理论拟合度的卡方检验。