组内R中的一个样本T检验
我在R做了一个样本t检验,但今天我有一个很大的挑战。我将数据按一个变量分组,并希望对每组执行一个样本t检验。我可以在SPSS中很好地实现这一点,但现在在R中这是一个令人头痛的问题,无论谁知道如何进行这项工作来提供帮助。示例场景组内R中的一个样本T检验,r,t-test,R,T Test,我在R做了一个样本t检验,但今天我有一个很大的挑战。我将数据按一个变量分组,并希望对每组执行一个样本t检验。我可以在SPSS中很好地实现这一点,但现在在R中这是一个令人头痛的问题,无论谁知道如何进行这项工作来提供帮助。示例场景 Location=rep(c("Area_A","Area_B"),4) temp=rnorm(length(Location),34,5) sample_data=data.frame(Location,ph) sample_data Location
Location=rep(c("Area_A","Area_B"),4)
temp=rnorm(length(Location),34,5)
sample_data=data.frame(Location,ph)
sample_data
Location temp
1 Area_A 32.73782
2 Area_B 26.29996
3 Area_A 40.75101
4 Area_B 26.68309
5 Area_A 33.94259
6 Area_B 26.48326
7 Area_A 37.92506
8 Area_B 29.22532
假设上例中的假设平均值为35,单样本t检验为
t.test(sample_data$temp,mu=35)
这让我
One Sample t-test
data: sample_data$ph
t = -1.6578, df = 7, p-value = 0.1413
alternative hypothesis: true mean is not equal to 35
95 percent confidence interval:
27.12898 36.38304
sample estimates:
mean of x
31.75601
但这是针对所有群体的。我可以在SPSS中完成。有没有办法用一行代码在R中实现这一点,或者如果不能用一行代码,谁能帮我实现这一点。提前感谢。一种解决方案是将每组的t.测试结果保存为列表:
# reproducible results
set.seed(8)
# example data
Location=rep(c("Area_A","Area_B"),4)
temp=rnorm(length(Location),34,5)
sample_data=data.frame(Location,temp)
library(dplyr)
dt_res = sample_data %>%
group_by(Location) %>% # for each group
summarise(res = list(t.test(temp, mu=35))) # run t.test and save results as a list
# see the list of results
dt_res$res
# [[1]]
#
# One Sample t-test
#
# data: temp
# t = -0.76098, df = 3, p-value = 0.502
# alternative hypothesis: true mean is not equal to 35
# 95 percent confidence interval:
# 29.93251 38.11170
# sample estimates:
# mean of x
# 34.0221
#
#
# [[2]]
#
# One Sample t-test
#
# data: temp
# t = -1.045, df = 3, p-value = 0.3728
# alternative hypothesis: true mean is not equal to 35
# 95 percent confidence interval:
# 26.37007 39.36331
# sample estimates:
# mean of x
# 32.86669
另一种解决方案是将每个组的测试结果保存为数据帧:
library(dplyr)
library(tidyr)
library(broom)
sample_data %>%
group_by(Location) %>%
summarise(res = list(tidy(t.test(temp, mu=35)))) %>%
unnest()
# # A tibble: 2 x 9
# Location estimate statistic p.value parameter conf.low conf.high method alternative
# <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <chr>
# 1 Area_A 34.0 -0.761 0.502 3 29.9 38.1 One Sample t-test two.sided
# 2 Area_B 32.9 -1.05 0.373 3 26.4 39.4 One Sample t-test two.sided
库(dplyr)
图书馆(tidyr)
图书馆(扫帚)
样本数据%>%
分组依据(位置)%>%
总结(res=列表(整洁(t.test(temp,mu=35)))%>%
unnest()
##A tibble:2 x 9
#位置估计统计p.值参数conf.low conf.high方法备选方案
#
#1区域_A 34.0-0.761 0.502 3 29.9 38.1单侧样本t试验
#2区域_B 32.9-1.05 0.373 26.4 39.4单侧样本t检验
这两种方法的原理是相同的。您按
位置分组
,并对每组进行t检验。所有这些都是关于你喜欢哪种输出。没有提供数据,也没有关于你想要比较的值的信息。帮不了你多少忙。。。。然而,在这里你会发现一些非常有用的信息和例子:检查一下,我添加了一些更多的信息,我认为你需要更新data.frame(Location,ph)
到data.frame(Location,temp)
这一个有效!!