1、查看数据，以R自带的数据集HairEyeColor为例。
ftable(HairEyeColor)，表示把分类数据按列联表的形式显示。
从数据中可以看到该数据集有三个分类变量，即：Hair、Eye、Sex。
2、利用mosaicplot绘制图形。
mosaicplot的主要公式为：
mosaicplot(x, main，color = NULL, shade = FALSE, margin = NULL,...)
或mosaicplot(formula, data = NULL,...)。
本例代码：
mosaicplot(~Hair+Eye+Sex,data=HairEyeColor,shade=TRUE,color=TRUE)
3、同样，利用vcd包中的函数mosaic绘制马赛克图。添加选项shade = TRUE将根据拟合模型的皮尔逊残差值对图形上色。添加选项legend = TRUE将展示残差的图例。
代码如下：
library(vcd)
mosaic(HairEyeColor,shade=TRUE,legend=TRUE,color=TRUE)
4、结果表明：在各变量相互独立的情况下，有更多蓝眼睛的金发女性，而棕色眼睛的金发女性很少。
对应的模型如下：
fm <- loglin(HairEyeColor, list(1, 2, 3))
pchisq(fm$pearson, fm$df, lower.tail = FALSE)
从P值可以看到，独立检验结果是显著的。
5、检验性别与头发和眼睛颜色联合作用的独立性。结果表明：男性在棕色头发和眼睛的人群中很少，在棕色头发和蓝色眼睛的人群中占了过多的比例。
fm <- loglin(HairEyeColor, list(1:2, 3))
pchisq(fm$pearson, fm$df, lower.tail = FALSE)
6、也可以自己编写程序完成的mosaic图。以数据mtcars为例，可以做卡方检验。
myChisqTest <- function(x) {
t1 <- table(mtcars[,x], mtcars$carb)
plot(t1, main=x, las=1)
print(x)
print(chisq.test(t1))
}
myChisqTest("gear")
运行程序，可以得到检验结果。
