如何在R中执行引导配对t检验?
我想在R中执行一个引导配对t检验。我已经对多个返回p的数据集进行了测试。看起来你在比较苹果和橙子。对于如何在R中执行引导配对t检验?,r,statistics,statistics-bootstrap,significance,statistical-test,R,Statistics,Statistics Bootstrap,Significance,Statistical Test,我想在R中执行一个引导配对t检验。我已经对多个返回p的数据集进行了测试。看起来你在比较苹果和橙子。对于差异的单个t检验得到一个t统计量,如果大于临界值,则表明group1和group2之间的差异是否显著不同于零。你的引导代码也做了同样的事情,但是对于10000个差异性的引导样本,你可以从差异性的总体中估计不同随机样本的t统计量变化。如果你取这些自举t-统计量的平均值(mean(tstat.values)),你会发现它与差异的完整样本中的单个t-统计量大致相同 sum(tstat.values)谢
差异的单个t检验
得到一个t统计量,如果大于临界值,则表明group1
和group2
之间的差异是否显著不同于零。你的引导代码也做了同样的事情,但是对于10000个差异性的引导样本,你可以从差异性的总体中估计不同随机样本的t统计量变化。如果你取这些自举t-统计量的平均值(mean(tstat.values)
),你会发现它与差异的完整样本中的单个t-统计量大致相同
sum(tstat.values)谢谢。引导时是否需要保留对?如果不需要,我可以重写。
differences<-groupA-groupB
t.test(differences) #To get the t-statistic e.g. 1.96
Repnumber <- 10000
tstat.values <- numeric(Repnumber)
for (i in 1:Repnumber) {
group1 = sample(differences, size=length(differences), replace=T)
tstat.values[i] = t.test(group1)$statistic
}
#### To get the bootstrap p-value compare the # of tstat.values
greater (or lesser) than or equal to the original t-statistic divided
by # of reps:
sum(tstat.values<=-1.96)/Repnumber