R aov和t.test提供不同的结果

据我所知，当应用于具有一个解释变量的数据时，t检验应提供与方差分析相同的结果（相同的p值）。为了测试这一点，我运行了以下命令来比较结果：

df <- structure(list(y = c(1, 1, 1, 1, 1, 1, 2, 2, 1, 2, 1), x = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("FP", "WP" ), class = "factor")), class = "data.frame", row.names = c(NA,-11L))

summary(aov(y ~ x, data = df))
             Df Sum Sq Mean Sq F value Pr(>F)
x            1 0.3068  0.3068   1.473  0.256
Residuals    9 1.8750  0.2083               

t.test(y ~ x, data = df)

Welch Two Sample t-test

data:  y by x
t = -2.0494, df = 7, p-value = 0.0796
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -0.80768193  0.05768193
sample estimates:
mean in group FP mean in group WP 
           1.000            1.375 

df）
x10.30680.30681.4730.256
残差9 1.8750 0.2083
t、 测试（y~x，数据=df）
韦尔奇双样本t检验
数据：y乘x
t=-2.0494，df=7，p值=0.0796
替代假设：平均值的真实差异不等于0
95%置信区间：
-0.80768193  0.05768193
样本估计：
FP组平均值WP组平均值
1.000            1.375 

可以看出，方差分析的p值为0.256，t检验的p值为0.0796

为了理解这种偏差的原因，我自己计算了测试统计数据，使用了a和for的公式。当组的大小不同时，t-test函数似乎给出了错误的结果

---

是否有设置使t-test能够正确处理不同的组大小？

结果没有错误，

t-test

功能仅在两组的方差不相等时应用。可以按如下方式抑制此操作：

t.test(y ~ x, data = df, var.equal = TRUE)

    Two Sample t-test

data:  y by x
t = -1.2136, df = 9, p-value = 0.2558
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -1.0740253  0.3240253
sample estimates:
mean in group FP mean in group WP 
           1.000            1.375 

它给出了与方差分析相同的p值（请注意，输出的标题现在不是“Welch双样本t-test”，而是简单的“双样本t-test”）