R 使用ggplot2向比例图添加重要性条

R 使用ggplot2向比例图添加重要性条,r,ggplot2,R,Ggplot2,我有一个比例条形图,我想添加显著性条形图,显示各组之间的统计差异。我想使用该软件包创建类似的: ggplot(test_table, aes(x=Group, y=Yes)) + geom_col() 我曾尝试使用ggsignif软件包和ggplot2,但结果似乎不适用于比例测试,例如卡方检验 我的数据如下所示: Input =(" Group Yes No 1 10 90 2 3

我有一个比例条形图,我想添加显著性条形图,显示各组之间的统计差异。我想使用该软件包创建类似的:

ggplot(test_table, 
       aes(x=Group, y=Yes)) 
    + geom_col()
我曾尝试使用ggsignif软件包和ggplot2,但结果似乎不适用于比例测试,例如卡方检验

我的数据如下所示:

Input =("
        Group  Yes  No
        1       10       90
        2       30       70
        3       20       80
        ")

test_table = as.data.frame(read.table(textConnection(Input),
                              header=TRUE))
我最初的情节是这样的:

ggplot(test_table, 
       aes(x=Group, y=Yes)) 
    + geom_col()
这是一种可能性

我们首先使用基数R的pairwise.prop.test计算校正多假设检验的成对比例之间的成对比较。有关详细信息,请参见?pairwise.prop.test和?prop.test:

library(broom)
library(tidyverse)
res <- pairwise.prop.test(as.matrix(test_table[, -1])) %>%
    tidy() %>%
    mutate_at(vars(contains("group")), ~factor(.x, test_table$Group))
res
## A tibble: 3 x 3
#  group1 group2 p.value
#  <fct>  <fct>    <dbl>
#1 2      1      0.00235
#2 3      1      0.149
#3 3      2      0.149
这是一种可能性

我们首先使用基数R的pairwise.prop.test计算校正多假设检验的成对比例之间的成对比较。有关详细信息,请参见?pairwise.prop.test和?prop.test:

library(broom)
library(tidyverse)
res <- pairwise.prop.test(as.matrix(test_table[, -1])) %>%
    tidy() %>%
    mutate_at(vars(contains("group")), ~factor(.x, test_table$Group))
res
## A tibble: 3 x 3
#  group1 group2 p.value
#  <fct>  <fct>    <dbl>
#1 2      1      0.00235
#2 3      1      0.149
#3 3      2      0.149

好的,你展示的是看起来像原始计数的东西,那么你希望如何展示比例的重要性条呢?你在计算什么比例?你在测试什么无效假设?谢谢你的回答。我正在测试的比例是测试表中的“是”和“否”列。无效假设是两个分类变量在某些人群中是独立的。我正在测试的比例是测试表中的“是”和“否”列,我感到困惑。对我来说,这听起来像是在进行二项测试。零假设是两个分类变量在某些人群中是独立的。哪两个分类变量?我很难理解卡方检验是如何在这里发挥作用的。独立性的卡方检验测试多个类别的值是否存在关联。如果我理解正确,您似乎想测试不同组的是/否比率是否相同。很抱歉造成混淆。是的,我想测试不同组的是/否比率是否相同,然后使用条形图上的显著性条绘制这些差异。好的,您显示的是原始计数,那么您希望如何显示比例的显著性条?你在计算什么比例?你在测试什么无效假设?谢谢你的回答。我正在测试的比例是测试表中的“是”和“否”列。无效假设是两个分类变量在某些人群中是独立的。我正在测试的比例是测试表中的“是”和“否”列,我感到困惑。对我来说,这听起来像是在进行二项测试。零假设是两个分类变量在某些人群中是独立的。哪两个分类变量?我很难理解卡方检验是如何在这里发挥作用的。独立性的卡方检验测试多个类别的值是否存在关联。如果我理解正确,您似乎想测试不同组的是/否比率是否相同。很抱歉造成混淆。是的,我想测试不同组的是/否比率是否相同,然后使用条形图上的显著性条绘制这些差异。