R中数据帧中所有列组合独立性的卡方检验

这是我第一次在这里发帖，我希望这一切都在正确的地方。我使用R进行基本统计分析已经有一段时间了，但还没有真正将其用于任何具有计算挑战性的领域，而且我在R的编程/数据操作方面是一个非常初学者

我有一个集水区323个地块中72种植物物种的存在/不存在（二元）数据。数据帧是323行，每行代表一个图，72列，每列代表一个物种。这是前4列的样本（由于323个图是大量预先指定图的子集，而不是所有图都已调查过，因此缺少一些行号）：

我想确定该流域的任何植物物种是否与其他物种有关联，如果是，这是正关联还是负关联。为了做到这一点，我想对每个物种组合进行卡方检验。我需要为每个speciesxspecies比较创建一个2x2列联表，在每个列联表上运行卡方检验，并保存输出。最后，我想以一份所有物种的列表或矩阵作为结束，通过物种间的测试来显示物种组合是否具有积极、消极或无显著关联。我还想合并一些代码，这些代码仅在所有预期值都大于5时才将关联显示为正

我首先编写了以下函数：

CHI <- function(sppx, sppy) 
{test <- chisq.test(table(sppx, sppy)) 
result <- c(test$statistic, test$p.value,
        sign((table(sppx, sppy) - test$expected)[2,2]))
return(result)
}

现在，我试图找出一种方法，将此函数应用于数据帧中的每个speciesxspecies组合。我基本上希望R取每一列，对该列和其他列依次应用CHI函数，依此类推，通过所有列，从数据帧中减去每一列，这样相同的物种对就不会被测试两次。我尝试过各种方法，试图使用“for”循环或“apply”函数，但一直无法解决这个问题。

---

我希望这足够清楚。这里的任何帮助都将不胜感激。我曾尝试在网上寻找这个特定问题的现有解决方案，但没有找到任何真正有用的解决方案。如果有人能将我链接到这个问题的现有答案，那也太好了。

您需要

combn

函数来查找所有列的组合，然后将它们应用到您的函数中，如下所示：

apply(combn(1:ncol(plots), 2), 2, function(ind) CHI(plots[, ind[1]], plots[, ind[2]]))

---

我想你在找这样的东西。我使用了iris数据集

require(datasets)
ind<-combn(NCOL(iris),2)
lapply(1:NCOL(ind), function (i) CHI(iris[,ind[1,i]],iris[,ind[2,i]]))

require（数据集）
ind下面的R代码针对给定变量（x或y chisquare参数保持稳定，明确定义）对R数据帧的每个分类变量/每个因子进行卡方检验：

定义变量
请-将df$variable1更改为所需的因子变量，并将df更改为所需的数据框，其中包含针对给定df$variable1测试的所有因子变量

定义您的数据帧
将创建一个新的数据帧（df2），其中包含给定变量与数据帧比较的所有卡方值/dfs，p值

从stackoverflow中的类似帖子创建/完成/修改的代码，都没有产生我想要的结果。
卡方表变量与数据帧的统计/df/p值
“2”参数定义列范围比较-选中应用（边距）选项

df2@Psidom你跑得太快了；对不起，我不能删除我的答案，因为没有删除按钮。这将教会我在发帖前刷新。非常感谢你的帮助！我尝试对我的数据使用这段代码：`>plotc>lapply（1:NCOL（数据），函数（I）CHI（plots[，plotc[1，I]]，plots[，plotc[2，I]]）[[1]]X平方1.095869e-27 1.000000e+00-1.000000e+00`这返回一个输出。我想输出每个卡方检验的结果-组合表中每个元素一个。抱歉，这在我最初的问题中可能不清楚。你知道实现这一目标的方法吗？再次感谢您在代码中指定只提供一个输出。如果您想让他们全部删除代码末尾的
[[1]]
，并仅绘制
plotc对不起，我的格式很差-我认为在代码段的任一侧加上“`”会使其显示为代码，但显然不是。“[[1]]”来自控制台的R输出的第一行，而不是我的代码。我正在运行您刚刚在注释中显示的代码，它返回的是长度为1的列表。我发现问题在于将
NCOL（data）
更改为
NCOL（plotc）
。在我的代码中，我最初将变量命名为
data
，而不是
ind
，并且我没有在
lappy
中更改它。我将编辑我的代码。
apply(combn(1:ncol(plots), 2), 2, function(ind) CHI(plots[, ind[1]], plots[, ind[2]]))

require(datasets)
ind<-combn(NCOL(iris),2)
lapply(1:NCOL(ind), function (i) CHI(iris[,ind[1,i]],iris[,ind[2,i]]))

df2 <- t(round(cbind(apply(df, 2, function(x) {
  ch <- chisq.test(df$variable1, x)
  c(unname(ch$statistic), ch$parameter, ch$p.value )})), 3))