我认为（如评论中所述）假设检验并不能真正回答您说您感兴趣的问题。（如果对任何因素进行排序，它也缺乏力量）。

问题是，“差别不大”与效应大小（它们有多大不同？）有关，而不是假设检验（“我们的样本是否足够大，可以发现甚至不重要的差异？”）。

你说你有非常大的样本量。这将导致您拒绝非常相似的不同分布（因为您将有足够的能力来发现微小的差异）。这真的是你的意思吗？或者，在这种情况下，您更愿意说“实际上，它们的分布相当相似”？

该问题的直接答案是您使用table要测试的一对因素（例如组和种族），然后将其用作chisq.test例如的输入

# make up some data
set.seed(32892917)
mydata <- data.frame(group=as.factor(sample(1:5,199,replace=TRUE)),
                     race=as.factor(sample(1:3,199,replace=TRUE)))

# look at the table:
 (mytab <- with(mydata,table(group,race)) )
     race
group  1  2  3
    1 16 19 11
    2 14 15 13
    3  9 14 20
    4 12 13 11
    5 11 11 10

（您会注意到每个组的人数不同 - 例如，第 1 组有 46 人，第 5 组有 32 人）

 # do the chi-square 
 chisq.test(mytab)

    Pearson's Chi-squared test

data:  mytab
X-squared = 6.0928, df = 8, p-value = 0.6368