假设我有一个列联表：
score
<=2 [3-4] >=5
no_event 248 796 288
event 71 419 285
我计算了每个分数类别（ 和 ）的<=2事件[3-4]百分比>=5。特此绘图（每个条形图的顶部显示events / (events+no_event).
我想测试>2-> [3-4]->之间的比例增加>=5是否有意义。
我的第一个想法是使用 chisq 或 Fisher 精确测试。
m <- matrix(c(248,71,796,419,288,285),ncol=3)
fisher.test(m)$p.value
[1] 9.640235e-17
但是这个测试没有考虑类别的顺序 >2-> [3-4]->>=5
有任何想法吗 ？
谢谢
一种是使用Cochran Armitage 趋势检验。R中有一个实现。我想您对事件与非事件感兴趣，因此您需要翻转矩阵：
library(DescTools)
m <- matrix(c(71,248,419,796,285,288),ncol=3)
CochranArmitageTest(m)
Cochran-Armitage test for trend
data: m
Z = 8.5195, dim = 3, p-value < 2.2e-16
alternative hypothesis: two.sided
由于您有两组，并且您知道事件的平均分数更高，您还可以使用 wilcoxon 测试分数的差异：
event_scores = rep(1:3,m[1,])
noevent_scores = rep(1:3,m[2,])
wilcox.test(event_scores,noevent_scores)
Wilcoxon rank sum test with continuity correction
data: event_scores and noevent_scores
W = 618058, p-value < 2.2e-16
alternative hypothesis: true location shift is not equal to 0