R中的显著性检验

我试图确定两个接口之间是否存在显著差异。我有一个如下所示的文本文件：

group   conversion
A   0
A   0
A   1
A   0
A   0
A   1
A   1
A   0
A   0
A   1
A   1
A   1
A   1
A   1
A   1
A   0
A   0
A   0
A   0
A   0
A   1
A   0
A   1
A   0
A   1
A   1
A   0
A   1
A   0
A   1
A   1
A   0
A   0
A   0
A   0
A   0
A   1
A   1
A   0
A   0
A   1
A   1
A   0
A   1
A   1
A   0
A   0
A   0
A   1
A   1
A   0
A   0
A   0
A   0
A   1
A   1
A   0
A   1
A   1
A   1
A   1
A   1
A   1
A   1
A   0
A   0
A   0
A   1
A   1
A   0
A   1
A   1
A   0
A   0
A   1
A   0
A   0
A   0
A   1
A   0
A   1
A   1
A   1
A   0
A   0
A   0
A   0
A   0
A   0
A   0
A   1
A   1
A   1
A   1
A   1
A   1
A   0
A   0
A   1
A   1
B   0
B   0
B   1
B   0
B   0
B   0
B   1
B   0
B   0
B   0
B   0
B   1
B   0
B   1
B   0
B   1
B   0
B   1
B   0
B   0
B   1
B   1
B   1
B   1
B   1
B   1
B   1
B   1
B   1
B   0
B   0
B   1
B   0
B   0
B   1
B   0
B   0
B   0
B   0
B   0
B   1
B   1
B   0
B   0
B   0
B   0
B   1
B   1
B   0
B   0
B   1
B   0
B   1
B   0
B   0
B   0
B   1
B   1
B   1
B   1
B   0
B   1
B   0
B   0
B   1
B   1
B   0
B   0
B   0
B   0
B   0
B   0
B   0
B   1
B   0
B   0
B   1
B   0
B   0
B   0
B   0
B   0
B   0
B   0
B   0
B   1
B   1
B   1
B   0
B   0
B   0
B   0
B   1
B   0
B   1
B   1
B   1
B   1
B   1
B   1

现在，我需要找出在执行此操作时应该使用的方法。到目前为止，我已经尝试了韦尔奇的两样本T检验方法，我认为这是正确的。但这是确定是否有意义的正确方法吗顺便说一下，显著性水平为5%。

这是我的代码：

# Load in the values from "test.txt"
dat = read.delim(“test.txt”)

# Calculate the amount of unique values
length(unique(dat$group))

# Calculate the p-value
t.test(dat$conversion ~ dat$group)

---

p值的输出是：0.2586，大于0.05，这意味着没有显著性，对吗？还是我做错了什么？我是R的初学者。

我想你在寻找费舍尔T检验

我使用您的数据创建了一个名为

x

的数据框：

head(x)
  group conversion
1     A          0
2     A          0
3     A          1
4     A          0
5     A          0
6     A          1

然后我做了一个频率表：

y<-table(x)  

# and previewed the count table:
y
     conversion
group  0  1
    A 50 50
    B 58 42

---

它甚至告诉你它是用来比较计数的。这是一种精确评估两个范畴身份之间差异的方法fisher.test(y) Fisher's Exact Test for Count Data data: y p-value = 0.3207 alternative hypothesis: true odds ratio is not equal to 1 95 percent confidence interval: 0.3989079 1.3135633 sample estimates: odds ratio 0.7253254