R和Python之间的不同t-test pvalues

我目前是一名python新手，正在尝试学习更多关于倾向评分匹配的知识。我从Stanford.edu找到了一个很好的教程（因为这是我的第一次堆栈溢出，所以我不会发布两个链接，但会发布google Stanford倾向评分匹配），其中涵盖了这一点。我的目标是用python重新创建这一切，并了解发生了什么

我的问题是当我进入第1.2节均值差异：治疗前协变量并开始进行t检验时。我不明白为什么对于相同的测试和相同的数据，R和Python之间的p值如此不同

R代码：

with（ecls，t.test（race_white~catholic，var.equal=FALSE））

R输出：

Welch两样本t检验
资料来源：天主教白人种族
t=-13.453，df=2143.3，p值<2.2e-16
替代假设：平均值的真实差异不等于0
95%置信区间：
-0.1936817 -0.1444003
样本估计：
第0组平均值第1组平均值
0.5561246 0.7251656

R不会打印低于2.2e-16的p值，但会计算并存储它们。为您的R代码尝试以下操作：

with(ecls, t.test(race_white ~ catholic, var.equal=FALSE))$p.value
[1] 1.141333e-39

---

该值实际上为零，这就是为什么使用Python将其打印到小数点后3位时，会看到0.000。试着用Python打印未修改的p值（不要使用

%.3f

——事实上你已经使用了！

print（fina）

），我希望你能看到与R相同的值（事实上你可以！）

R不会打印低于2.2e-16的p值，但它们是经过计算和存储的。为您的R代码尝试以下操作：

with(ecls, t.test(race_white ~ catholic, var.equal=FALSE))$p.value
[1] 1.141333e-39

---

该值实际上为零，这就是为什么使用Python将其打印到小数点后3位时，会看到0.000。试着用Python打印未修改的p值（不要使用

%.3f

——事实上你已经使用了！

print（fina）

），我希望你能看到与R相同的值（事实上你是这样做的！）

这两个例子告诉你同样的事情。p值在我看来并没有什么不同。这两个例子告诉你的是同一件事。p值在我看来没有什么不同。谢谢！这很有见地，谢谢！这是很有见地的。