R中带bootstrap的T检验

我正在尝试用R中的bootstrap运行t测试。 我有一个50人的样本，其中39人是女性。我有一个因变量，d’，我想看看男性和女性在这个变量上是否有所不同。因为我只有11名男性参与者，我想使用自举t检验（这不是最好的方法，但我在文献中见过）

我有一个名为“data”的数据库，其中包含多个变量。首先，我提取了两个向量：

dPrimeFemales <- subset(data, Gender == "F", 
                  select=c(dPrime))

dPrimeMales <- subset(data, Gender == "M", 
                        select=c(dPrime))

我也试过：

首先，我无法加载函数。因此，我复制粘贴并运行以下命令：

boot.t.test(x = dPrimeFemales, y = dPrimeMales)

然后我运行这个：

boot.t.test(x = dPrimeFemales, y = dPrimeMales)

但是，它说：

Error in boot.t.test(x = dPrimeFemales, y = dPrimeMales) : 
  dims [product 1] do not match the length of object [1000]
In addition: There were 50 or more warnings (use warnings() to see the first 50)

如果我使用

warnings（）

它会说：

1: In mean.default(x) : argument is not numeric or logical: returning NA
2: In mean.default(y) : argument is not numeric or logical: returning NA
3: In mean.default(c(x, y)) : argument is not numeric or logical: returning NA
4: In mean.default(x) : argument is not numeric or logical: returning NA
5: In mean.default(y) : argument is not numeric or logical: returning NA

等等

更清楚地说，我想到了SPSS中的引导t检验，如下所示：

我以为这会容易得多。 欢迎任何帮助

谢谢大家抽出时间

structure(list(dPrime = c(0.60805224661517, 0.430727299295457, 
-0.177380196159658, 0.771422126383253, 0.598621304083563, 0, 
0.167894004788105, -0.336998837042929, 0.0842422708809764, -0.440748778800912, 
0.644261556974516, -0.167303467814258, 0.169695369228671, -0.251545738695235, 
0.0842422708809764, -0.0985252105020469, -0.239508275220057, 
-0.143350050535084, 0.430727299295457, 0.757969499665785, -0.282230896122292, 
-0.271053409572241, -0.090032472207662, -0.090032472207662, 0.524400512708041, 
-0.218695510362827, -0.271053409572241, 1.07035864674857, 0.262833294507352, 
0.421241107923905, -0.0836517339071291, 0.090032472207662, -0.598621304083563, 
-0.356506507919935, 0.474566187745845, 0.336998837042929, 1.35083901409173, 
-0.336998837042929, -0.443021053393661, 0.757969499665785, -0.841621233572914, 
0.167303467814258, 0.167894004788105, 0.090032472207662, -0.177380196159658, 
0.251545738695235, -0.344495842891614, -0.17280082229969, -0.440748778800912, 
0), Gender = c("F", "F", "F", "F", "F", "F", "F", "F", "M", "M", 
"F", "F", "F", "F", "F", "F", "F", "F", "M", "F", "M", "M", "F", 
"F", "F", "F", "F", "F", "F", "F", "M", "F", "F", "F", "M", "F", 
"F", "F", "F", "M", "M", "F", "F", "M", "M", "F", "F", "F", "F", 
"F")), row.names = c(NA, -50L), class = c("tbl_df", "tbl", "data.frame"
))

---

下面是一个将该函数用于模拟数据的示例，其中p值接近1。无需预先将其子集并创建中间对象

set.seed(0)
df <- data.frame(gender = sample(c('M', 'F'), size=50, replace=T),
                 measure = runif(n=50))

boot.t.test(df[df$gender=='M', 'measure'], df[df$gender=='F', 'measure'], reps=1000)

Bootstrap Two Sample t-test


t = -0.186, p-value = 0.859
Alternative hypothesis: true difference in means is not equal to 0

$mu0 
[1] 0

$statistic
[1] -0.1863362

$alternative
[1] "two.sided"

$p.value
[1] 0.859

set.seed（0）
df我不清楚你到底打算引导什么。t统计？你能分享
数据的结构吗？误差到底在哪里？是的，t统计量。我会尝试上传数据（尝试）…你应该可以在这里获得数据样本：（不知道这里是否有更好的共享方式）。此外，我还试图通过添加一张我在SPSSHi Bill中试图实现的分析图片来更清楚地说明我的意思，这看起来很棒，但您能告诉我您需要哪些软件包吗？因为我尝试了类似的东西（我想），但我得到了：boot.t.test中的错误（df[data$Gender==“M”，“measure”]、df[data$Gender==：找不到函数“boot.t.test显然我丢失了一些包或库我无法安装tpepler/nonpar包（），所以我只是复制并粘贴了这个函数到我的工作区。虽然不理想，但足以测试它。抱歉，我只是尝试了你的建议。所以，我尝试了以下内容：set.seed（0）boot.t.test（data[data$Gender='M'，dprome']，data[data$Gender='F'，dprome']，reps=1000）我得到这个错误：boot.t.test（data[data$Gender='M'，dprome']，data[data$Gender==：dims[product 1]与对象[1000]的长度不匹配。此外：有50个或更多警告（使用warnings（）查看前50个）。这与我之前得到的类似（请参阅我的初始帖子）顺便说一句，如果我尝试一下你的例子，它会起作用。我真的不明白为什么它不能处理我的数据。我无法回答，因为filehosting.org在我的工作场所被阻止。如果你使用dput（）在上面的问题中发布你的数据，我很乐意提供进一步的帮助。当你运行数据[data$Gender='m'，dprome'，它会返回预期长度的数字向量吗？
set.seed(0)
df <- data.frame(gender = sample(c('M', 'F'), size=50, replace=T),
                 measure = runif(n=50))

boot.t.test(df[df$gender=='M', 'measure'], df[df$gender=='F', 'measure'], reps=1000)

Bootstrap Two Sample t-test


t = -0.186, p-value = 0.859
Alternative hypothesis: true difference in means is not equal to 0

$mu0 
[1] 0

$statistic
[1] -0.1863362

$alternative
[1] "two.sided"

$p.value
[1] 0.859