t、 当分配给列表对象时，R中的测试会给出奇怪的结果

我定义了两个明显不同的向量：

> x1 = c(3, 4, 3, 4)
> x2 = c(9, 8, 9, 7)

如果我使用t.test执行t-test，而不将其分配给对象名，则会得到预期的结果。例如：

> t.test(x1, x2)

# Gives the console output:

    Welch Two Sample t-test

data:  x1 and x2
t = -8.4971, df = 4.927, p-value = 0.000399
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -6.193426 -3.306574
sample estimates:
mean of x mean of y 
     3.50      8.25 

这给出了一个大的t值和一个小的p值，表明这两个向量具有不同的平均值，正如预期的那样。但是，如果我为对象名称指定了一个t-test，以通过以下方式创建列表对象：

mean.diff = mean(x1) - mean(x2)
ttst = t.test(
   x = x1,
   y = x2,
   alternative = "two.sided",
   mu = mean.diff,
   paired = FALSE,
   var.equal = FALSE,
   conf.level = 0.95
)

结果总是t值为零，p值为1，这表明这两个向量是相同的。不管向量是什么，这都会发生，我只是选择x1和x2作为例子

---

请问我的代码有什么问题导致了这个问题？谢谢您的帮助。

您得到的结果与作业无关：它是由参数

mu=mean.diff

引起的

根据

？t.test

，mu为

一个数字，指示平均值的真实值（如果您正在执行两个样本测试，则表示平均值的差异）

---

由于您将其设置为均值差异的实际值，因此结果t将始终等于零。

在第二个示例中，您正在测试均值差异是否不同于

均值.diff

；由于您将

mean.diff

计算为

x1

和

x2

的均值差（

mean.diff=mean（x1）-mean（x2）

），因此t统计量正好为0，相应的p值最大（即等于1）。因此，我们不能拒绝零假设H0，其中H0对应于均值差等于

mean.diff

，因此总结一下，在这种情况下，不应使用

mu

，因此取默认值0？然后

t.test

测试

x1

和

x2

的平均值之间的差异是否不同于

mu=0

？这很有道理，谢谢你的回答@GMSL“所以总结一下，在这种情况下，不应该使用mu”嗯，它总是取决于您正在测试什么。如果要测试两个样本均值是否不同

mu1！=mu2

您将使用形式为

t检验（x1，x2）

的双面双样本t检验；如果要测试样本平均值中的差异是否不同于预先指定的差异

mu1-mu2！=mu

您将使用形式为

t.test（x1，x2，mu=mu）

的双面双样本t检验。