scipy - 如果使用不同的包，为什么我会得到不同的 P 值

Question

我正在尝试比较两组的分类数据。

       Yes  No
GrpA: [152, 220]
GrpB: [187, 350]

但是，当使用不同的方法时，我会得到不同的 P 值结果：

count = [152, 220]
nobs = [187, 350]

import statsmodels
import scipy.stats

# USING STATSMODELS PACKAGE: 
res = statsmodels.stats.proportion.proportions_chisquare(count, nobs)
print("P value =", res[1])
res = statsmodels.stats.proportion.proportions_ztest(count, nobs)
print("P value =", res[1])

# USING SCIPY.STATS PACKAGE:
res = scipy.stats.chi2_contingency([count, nobs], correction=True)
print("P value =", res[1])
res = scipy.stats.chi2_contingency([count, nobs], correction=False)
print("P value =", res[1])

输出是：

P value using proportions_chisquare = 1.037221289479458e-05
P value using proportions_ztest= 1.0372212894794536e-05

P value using chi2_contingency with correction= 0.0749218380702875
P value using chi2_contingency without correction= 0.06421435896354544

前 2 个相同（并且非常重要），但它们与后 2 个不同（不重要）。

为什么结果不一样？进行此分析的正确方法是什么？

标签： scipystatisticsstatsmodelshypothesis-test