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

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