它们是渐近相同的。它们只是获得相同想法的不同方式。更具体地说，Pearson 的卡方检验是分数检验，而 G 检验是似然比检验。为了更好地理解这些想法，它可能会帮助您阅读我的答案：为什么我的 p 值在逻辑回归输出、卡方检验和 OR 的置信区间之间存在差异？ 要回答您的直接问题，如果您通过蒙特卡洛模拟计算 p 值，那没关系；您可以使用对您更方便的那个。请注意，低细胞计数没有问题，只有（可能）低预期细胞计数；细胞计数可能很低，但预期的计数很好。此外，当 p 值由模拟确定时，低实际计数和低预期计数都不重要。

（对于它的价值，我可能会使用 Pearson 的卡方，因为 R 有一个方便的功能，其中包括模拟 p 值的选项。）

看看 Rfast。 https://cran.r-project.org/web/packages/Rfast/index.html 相关命令为 g2Test_univariate(data, dc) g2Test_univariate_perm(data, dc, nperm) 计算速度极快。通常更喜欢 G^2 测试，因为卡方是它的近似值。

卡方检验和 G 检验通常产生相似的结果。但这里最重要的是你必须从两个测试中选择一个并坚持下去，不仅是为了你提到的测试，而且是为了你研究过程中的未来测试。这是可取的，因为如果您尝试交替使用这两种测试，很可能会增加误报的机会。