4

我尝试对以下数据框使用 R 进行 t 检验。

df <- structure(list(freq = c(9, 11, 14, 12, 10, 9, 16, 10, 11, 15, 
13, 12, 12, 13, 13, 9, 16, 14, 12, 15, 16, 10, 11, 13, 14, 14, 
14, 16, 8, 10, 14, 14, 11, 11, 11, 11, 13, 7, 12, 13, 14, 11, 
11, 13, 10, 14, 10, 10, 12, 8, 9, 12, 14, 11, 12, 12, 14, 14, 
14, 15, 12, 13, 14, 8, 9, 11, 10, 14, 12, 12, 9, 10, 8, 14, 11, 
14, 9, 13, 13, 13, 10, 9, 13, 10, 13, 10, 13, 12, 11, 12, 10, 
12, 8, 11, 12, 15, 12, 12, 11, 13, 12, 10, 13, 9, 11, 9, 11, 
8, 12, 12, 12, 10, 11, 12, 9, 13, 14, 11, 11, 14, 13, 12, 14, 
15, 12, 12, 12, 14), class = structure(c(3L, 3L, 2L, 2L, 2L, 
2L, 2L, 3L, 2L, 3L, 4L, 4L, 4L, 4L, 3L, 2L, 3L, 2L, 1L, 4L, 1L, 
4L, 1L, 4L, 2L, 2L, 3L, 3L, 2L, 4L, 1L, 4L, 4L, 4L, 3L, 3L, 3L, 
2L, 1L, 4L, 3L, 3L, 1L, 4L, 1L, 2L, 2L, 3L, 3L, 4L, 2L, 2L, 3L, 
3L, 2L, 2L, 2L, 1L, 1L, 2L, 1L, 1L, 4L, 1L, 1L, 1L, 2L, 2L, 3L, 
2L, 3L, 2L, 3L, 3L, 4L, 2L, 1L, 4L, 1L, 1L, 3L, 2L, 2L, 2L, 3L, 
1L, 1L, 1L, 1L, 3L, 4L, 4L, 4L, 4L, 4L, 1L, 1L, 1L, 3L, 3L, 4L, 
4L, 3L, 4L, 4L, 4L, 4L, 3L, 3L, 1L, 4L, 4L, 1L, 4L, 4L, 1L, 3L, 
1L, 2L, 2L, 1L, 2L, 1L, 1L, 3L, 3L, 2L, 1L), .Label = c("ending", 
"mobile", "stem.first", "stem.second"), class = "factor")), .Names = c("freq", 
"class"), row.names = c(NA, -128L), class = "data.frame")

正如我在上一篇文章中所读到的，在R 中有不止一种方法可以做到这一点。我尝试使用t.test-function 和使用pairwise.t.test-function。

为了使用t.test，我通过要比较的类对数据框进行了子集化，并在子集上运行了后续的 t 检验。

ending.vs.mobile <- df[df$class=="ending"|df$class=="mobile",]
ending.vs.first <- df[df$class=="ending"|df$class=="stem.first",]
ending.vs.second <- df[df$class=="ending"|df$class=="stem.second",]
mobile.vs.first <- df[df$class=="mobile"|df$class=="stem.first",]
mobile.vs.second <- df[df$class=="mobile"|df$class=="stem.second",]
first.vs.second <- df[df$class=="stem.first"|df$class=="stem.second",]

t.test(ending.vs.mobile$freq ~ ending.vs.mobile$class, var.equal=T) 
t.test(ending.vs.first$freq ~ ending.vs.first$class, var.equal=T) 
t.test(ending.vs.second$freq ~ ending.vs.second$class, var.equal=T) 
t.test(mobile.vs.first$freq ~ mobile.vs.first$class, var.equal=T) 
t.test(mobile.vs.second$freq ~ mobile.vs.second$class, var.equal=T) 
t.test(first.vs.second$freq ~ first.vs.second$class, var.equal=T)

据我了解（这里我可能错了），pairwise.t.test这里会更方便，因为我不需要创建所有子集并且可以在原始数据帧上运行它。

pairwise.t.test(df$freq, df$class, p.adjust.method="none", paired=FALSE, pooled.sd=FALSE)

但是我在这里得到不同的结果，最明显的是比较结束与 stem.second: p=0.7 usingt.test和 p=0.1 using pairwise.t.test。

这里有什么问题？我在哪里做过某事。错误的？

虽然问题本身解决了，但我认为它发生的原因让我有点偏执（不再相信自己）：只是通过打字pooled.sd而不是pool.sd我没有得到我期望的结果。这不是很容易出错吗？

在许多其他情况下，您可以键入变体，例如bonfor bonferroni、fa()orfactor()等​​。但是这里pooled.sd完全被忽略了，尽管实际上是“pooled sd”。好的，如果你仔细阅读了输出的标题，你可以猜到它pooled.sd没有被识别，因为它仍然说“t tests with pooled SD”但是如果我什至不打印这个怎么办，例如当将输出管道传输到 self-写函数？有可能永远无法识别此错误。

我应该写信给 R 的一些开发人员，在未来的 R 版本中，两种拼写变体都应该有效吗？

4

3 回答 3

6

问题不在于 p 值校正，而在于（声明）方差假设。您已经var.equal=T在t.test通话和通话pooled.sd=FALSE中使用过pairwise.t.test。但是， 的论点pairwise.t.test是pool.sd，不是pooled.sd。更改此设置会产生与单个调用等效的 p 值t.test

pairwise.t.test(df$freq, df$class, p.adjust.method="none", 
                paired=FALSE, pool.sd=FALSE)
于 2012-07-12T18:03:51.600 回答
2

这里没有错。您正在进行不同的测试，因为pairwise.t.test对 p 值进行了更正 - 以调整您正在进行多重比较的事实。

（简而言之，如果您进行多重比较，则会增加发现虚假结果的机会。对此进行调整。）

的帮助?pairwise.t.test将指向您?p.adjust，您可以在其中找到更多详细信息。

（或者你可以阅读那种无懈可击的智慧字体：http ://en.wikipedia.org/wiki/Multiple_comparisons ）

于 2012-07-12T15:17:31.100 回答
1

在获得显着结果后，您需要具有多重比较过程的单因素方差分析。此外，您的数据可能没有配对；例如在一个人内进行的测试前、测试后测量，每个人的数据都是配对的。

于 2012-07-12T18:27:26.480 回答