R expss包中行的显著性测试
使用expss包,是否可以跨5个不同的二进制变量运行z测试?我找到了如何使用R expss包中行的显著性测试,r,expss,R,Expss,使用expss包,是否可以跨5个不同的二进制变量运行z测试?我找到了如何使用tab\u cols参数跨不同列对单个变量运行显著性测试的方法,但在这种情况下我没有任何列。我想将我正在测试的5个变量视为5个不同的列(A、B、C、d、E),并在所有可能的组合中运行z测试 如果A列中的比例明显大于B列中的比例,那么我希望A列在百分比后显示字母“B”,如下所示: 以下是我的尝试: data %>% tab_cells(reaction_1_5, reaction_2_5, reaction
tab\u cols
参数跨不同列对单个变量运行显著性测试的方法,但在这种情况下我没有任何列。我想将我正在测试的5个变量视为5个不同的列(A、B、C、d、E),并在所有可能的组合中运行z测试
如果A列中的比例明显大于B列中的比例,那么我希望A列在百分比后显示字母“B”,如下所示:
以下是我的尝试:
data %>%
tab_cells(reaction_1_5, reaction_2_5, reaction_3_5, reaction_4_5, reaction_5_5) %>%
tab_stat_cpct() %>%
tab_last_sig_cpct() %>%
tab_pivot()
输出下表:
| | | #Total |
| ------------ | ------------ | ------ |
| reaction_1_5 | 0 | 84.3 |
| | 1 | 15.7 |
| | #Total cases | 381 |
| reaction_2_5 | 0 | 80.8 |
| | 1 | 19.2 |
| | #Total cases | 381 |
| reaction_3_5 | 0 | 75.6 |
| | 1 | 24.4 |
| | #Total cases | 381 |
| reaction_4_5 | 0 | 82.4 |
| | 1 | 17.6 |
| | #Total cases | 381 |
| reaction_5_5 | 0 | 78.2 |
| | 1 | 21.8 |
| | #Total cases | 381 |
我相信tab\u last\u sig\u cpct
函数不起作用,因为它跨列计算z测试,而我只有一列。我想测试5个变量中1的比例(15.7 vs.19.2 vs.24.4 vs.17.6 vs.21.8)的所有可能组合
这可以在expss包中实现吗
以下是我使用的数据:
structure(list(reaction_1_5 = c(0L, 1L, 1L, 0L, 0L, 0L, 1L, 0L,0L, 0L), reaction_2_5 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L,1L), reaction_3_5 = c(0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L),reaction_4_5 = c(0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L),reaction_5_5 = c(0L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 0L)), row.names = c(NA,-10L), class = c("tbl_df", "tbl", "data.frame"), .internal.selfref = <pointer: 0x7fc3b38106e0>)
结构(清单)结构(清单(清单)结构(清单)结构(清单(清单)结构(清单)结构(清单)结构(清单(清单)结构(清单)结构(清单)结构(清单)结构(清单)结构(清单(反应1\U 1\U 5=c)5=c(0L,1L,1L,1L,1L,1L,1L,0L,0L,0L,0L,1L,0L,1L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,0L,1L,0L,0L),row.names=c(NA,-10L),class=c(“待定”,“tbl”,“data.frame”),.internal.selfref=)
可以并排组合变量,如您的示例所示:
library(expss)
data = structure(
list(
reaction_1_5 = c(0L, 1L, 1L, 0L, 0L, 0L, 1L, 0L,0L, 0L),
reaction_2_5 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L,1L),
reaction_3_5 = c(0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L),
reaction_4_5 = c(0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L),
reaction_5_5 = c(0L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 0L)
),
row.names = c(NA,-10L),
class = "data.frame"
)
data %>%
stack() %>%
tab_cells("|" = values) %>% # "|" to suppress variable names
tab_cols("|" = ind) %>%
tab_stat_cpct() %>%
tab_pivot() %>%
significance_cpct()
# | | reaction_1_5 | reaction_2_5 | reaction_3_5 | reaction_4_5 | reaction_5_5 |
# | | A | B | C | D | E |
# | ------------ | ------------ | ------------ | ------------ | ------------ | ------------ |
# | 0 | 70.0 | 80.0 | 90.0 | 80.0 | 80.0 |
# | 1 | 30.0 | 20.0 | 10.0 | 20.0 | 20.0 |
# | #Total cases | 10 | 10 | 10 | 10 | 10 |
但
显著性\u cpct
为独立样本提供统计检验。但是,您的百分比是在同一样本上计算的。所以我们需要对依赖样本进行测试。到目前为止,在expss
中还没有这样的比例测试,可以并排组合变量,如您的示例所示:
library(expss)
data = structure(
list(
reaction_1_5 = c(0L, 1L, 1L, 0L, 0L, 0L, 1L, 0L,0L, 0L),
reaction_2_5 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L,1L),
reaction_3_5 = c(0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L),
reaction_4_5 = c(0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 1L, 0L),
reaction_5_5 = c(0L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 0L)
),
row.names = c(NA,-10L),
class = "data.frame"
)
data %>%
stack() %>%
tab_cells("|" = values) %>% # "|" to suppress variable names
tab_cols("|" = ind) %>%
tab_stat_cpct() %>%
tab_pivot() %>%
significance_cpct()
# | | reaction_1_5 | reaction_2_5 | reaction_3_5 | reaction_4_5 | reaction_5_5 |
# | | A | B | C | D | E |
# | ------------ | ------------ | ------------ | ------------ | ------------ | ------------ |
# | 0 | 70.0 | 80.0 | 90.0 | 80.0 | 80.0 |
# | 1 | 30.0 | 20.0 | 10.0 | 20.0 | 20.0 |
# | #Total cases | 10 | 10 | 10 | 10 | 10 |
但显著性\u cpct
为独立样本提供统计检验。但是,您的百分比是在同一样本上计算的。所以我们需要对依赖样本进行测试。到目前为止,在expss
中还没有这样的比例测试