我在列联表中测试独立性。我不知道G检验或Pearson的卡方检验是否更好。样本数量为数百，但单元格计数较低。如Wikipedia页面所述，对于G检验，卡方分布的近似值比对Pearson的卡方检验更好。但是我正在使用蒙特卡洛模拟来计算p值，所以这两个测试之间有什么区别吗？
Answers:
它们在渐近上是相同的。它们只是获得相同想法的不同方式。更具体地说，皮尔森的卡方检验是得分检验，而G检验是似然比检验。为了更好地理解这些想法，它可能会帮助您在这里阅读我的答案：为什么我的p值在逻辑回归输出，卡方检验和OR的置信区间之间有所不同？ 要回答您的直接问题，如果您要通过蒙特卡洛模拟来计算p值，那没关系；您可以使用更方便的方式。请注意，单元格数量少没有问题，只有（可能）期望值低细胞计数；可能具有较低的单元格计数和期望的计数就可以了。此外，当通过仿真确定p值时，低的实际计数和低的预期计数都不重要。
（对于它的价值，我可能会使用Pearson的卡方，因为R为此具有方便的功能，其中包括模拟p值的选项。）
chisq.test。
看看Rfast。 https://cran.r-project.org/web/packages/Rfast/index.html 相关命令是g2Test_univariate（data，dc）g2Test_univariate_perm（data，dc，nperm）计算速度非常快。通常，我们更喜欢G ^ 2检验，因为卡方是它的近似值。
卡方检验和G检验通常会产生相似的结果。但是，这里最重要的是，您必须从两个测试中选择一个并坚持下去，不仅要针对您提到的测试，而且还要针对研究过程中的未来测试。这是可取的，因为如果您尝试互换使用两种测试，则很有可能会增加误报的机会。