这是一个非常简单的问题，但我找不到任何好的、清晰、准确的答案：我正在寻找一种方法来对 chi测试执行事后测试。
我有 2 个变量： var1 : good/fair/poor 和 var2: a/b/c
这是列联表：
a b c
good 120 70 13
fair 230 130 26
poor 84 83 18
与 R ：
mat <- matrix(c(120,230,84,70,130,83,13,26,18),3)
dimnames(mat) <- list(c("good","fair","poor"),c("a","b","c"))
mat
我执行
chisq.test(mat)
我得到 p = 0.022，所以 var1 和 var2 之间存在关系......但是哪一个？我该如何处理？（贡献分析？，成对道具测试？）
我喜欢这个问题，因为人们经常进行综合测试，然后不会就正在发生的事情提出更具体的问题。
如果目标是比较“处理”a、b 和 c，我建议汇总显示每列中百分比的数据，以便您可以更清楚地看到它们之间的差异。然后为了测试这些比较，一个简单的想法是对每对列
> for (j in 1:3) print(chisq.test(mat[, -j]))
Pearson's Chi-squared test
data: mat[, -j]
X-squared = 0.1542, df = 2, p-value = 0.9258
Pearson's Chi-squared test
data: mat[, -j]
X-squared = 4.5868, df = 2, p-value = 0.1009
Pearson's Chi-squared test
data: mat[, -j]
X-squared = 9.5653, df = 2, p-value = 0.008374
由于进行了 3 次测试，因此建议进行 Bonferroni 校正（将每个值乘以 3）。最后一个检验（省略了第 3 列）具有非常低的值，因此您可以得出结论，对于条件 a 和 b，（好、公平、差）的分布是不同的。但是请注意，条件 c 没有太多数据，这也是其他两个结果不显着的主要原因。
您可以使用类似的策略对行进行成对比较。
另一种方法是使用 pearson 标准化残差，正如Agresti, A. (2007) 在他的著作 Categorical Data Analysis 第 3.3 节后续卡方检验中所建议的那样。
Pearson 标准化残差 ()测量从每个单元格到零假设的偏差有多大（在这种情况下，行和列之间的独立性）。
正残差表示行变量和列变量之间的正相关。负残差表示行和列变量之间的负关联。
一次,表示关联。它们是通过以下方式获得的：
tab2 <- chisq.test(mat)
tab2$stdres
a b c
good 1,0164 -0,71661 -0,60995
fair 1,9643 -1,66201 -0,66782
poor -3,3512 2,68760 1,41203
穷人类别与“a”负相关，因此，“a”与少数穷人相关。贫困类别与“b”正相关，因此，“b”与大量贫困人口相关。
如果有人仍然遇到这个古老的线程 - Guilherme 建议的程序现在在chisq.posthoc.test包中实现，它还提供基于残差的特定 p 值。