如何在R中选择t.test（）类型？

在

t.test（）

中，有一个参数

var.equal

，这意味着我们需要在t.test之前检查方差同质性。

---

应该使用哪种方法？

在进行t检验之前，不需要进行方差齐性（HOV）检验。默认情况下，R进行Welch测试，该测试解释了HOV的缺失。下面的论文得出了这个结论

韦尔奇的测试在没有HOV的情况下比常规的t测试更有效，在HOV下几乎同样有效。此外，HOV的正式测试可能存在很大的问题：小样本量（n）的低功率，大样本量（n）的功率太大，无影响的大小，非正态性下的问题。。。最后，Zimmerman（2004）表明，当您根据最常用的HOV测试（Levene测试）的结果选择要进行的测试时，后续分析的结果是不可靠的

因此，只需在R中运行t测试，而不用担心HOV。默认情况下，R进行韦尔奇测试，该测试针对缺少HOV进行调整

齐默尔曼，D.W.（2004年）。关于方差相等性初步检验的注记。英国数学和统计心理学杂志，57（1），173-181

---

德拉克雷，M.，莱肯斯，D.，莱伊斯，C.（2017）。为什么心理学家应该默认使用韦尔奇的t检验而不是学生的t检验。《国际社会心理学评论》，30（1），92-101

请注意，在进行t检验之前，对于是否进行正式的等方差检验是一种好方法存在分歧。我不确定我是否理解这个问题。没有自动化的方法来进行统计分析。你得到的每一个结果都是基于一系列的假设。不是每个人都会同意如何解释特定测试的结果。R只是一个计算器；它实际上并不为你“做统计”。您是否需要帮助编写一个函数来根据您的标准完成这两个部分？如果是这样，它将有助于提供一个样本数据。@MrFlick我有一个完全自动的方法来进行分析，它有一个精确的I型错误率。但它只返回p值。无论假设如何，您都可以将其用于任何测试<代码>完美包含测试越过R.A.Fisher，@Dason刚刚解决了统计学：）@WhiteGirl抱歉，没有。没有一种普遍接受的方法可以为任何给定的假设和输入数据选择测试。统计学家需要根据每个项目的不同标准来选择测试。这实际上取决于决定如何对数据建模，以及希望进行何种类型的推断。这不是R可以为您做的事情，它可以帮助执行计算。