统计 | R语言执行两组间差异分析Wilcox秩和检验

Posted soilhealth

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了统计 | R语言执行两组间差异分析Wilcox秩和检验相关的知识,希望对你有一定的参考价值。

两组间差异的非参数检验之Wilcox秩和检验在R中实现
统计 | R语言执行两组间差异分析Wilcox秩和检验

在进行两组数据间的差异分析时,我们通常会想到使用。但若数据不满足执行t检验的参数假设(例如数据分布不符合正态性,变量在本质上就严重偏倚或呈现有序关系),无法使用t检验分析时,可以考虑使用非参数的方法来完成。

就两组数据的比较而言,wilcox秩和检验(或称Mann-Whitney U检验)是常见的非参数检验方法之一。 本文简介怎样在R中进行wilcox秩和检验,以实现两组间非参数差异分析。


本文使用的作图数据的网盘链接(提取码o8lr):
https://pan.baidu.com/s/1b-1INL4HFrsIOvs_0UfByw


文件“alpha.txt”为某16S细菌群落测序所获得的部分alpha多样性指数数据,包含3列信息: sample,样本名称; observed_species和shannon分别为两种类型的alpha多样性指数。 文件“group.txt”为各样本分组信息,第一列(sample)为各样本名称; 第二列(group)为各样本的分组信息。
以上使用的示例数据与前文“”中的数据一致。 已知group3的shannon指数数据分布并不符合正态性,此时,若我们想比较group2和group3的shannon指数间是否存在显著差异,就不适合使用t检验(暂且不考虑对数据进行合理的转化后是否会满足t检验的参数假设),可采用非参数的方法(本文中介绍使用wilcox秩和检验)去实现。

数据预处理及正态性假设检验



首先将上述两个数据表读入R中,并合并在一起,以及数据的正态分布检验。
library(reshape2)

#读入文件,合并分组信息,数据重排
alpha <- read.table('alpha.txt', sep = ' ', header = TRUE, stringsAsFactors = FALSE, check.names = FALSE)
group <- read.table('group.txt', sep = ' ', header = TRUE, stringsAsFactors = FALSE, check.names = FALSE)
alpha <- melt(merge(alpha, group, by = 'sample'), id = c('sample', 'group'))

#选择要比较的分组(此处查看 group1 与 group2 在 shannon 指数上是否存在显著差异)
shannon_23 <- subset(alpha, variable == 'shannon' & group %in% c('2', '3'))
shannon_23$group <- factor(shannon_23$group)
head(shannon_23, 10)

#Shapiro-Wilk 检验数据是否符合正态分布(发现不符合正态分布)
tapply(shannon_23$value, shannon_23$group, shapiro.test)

选取的数据框“shannon_23”内容如下所示。第一列(sample),两组数据中所含样本名称;第二列(group),两组分组名称,且分组列已转化为因子类型;第三列(variable),alpha多样性指数shannon指数;第四列(value),shannon指数的数值。

统计 | R语言执行两组间差异分析Wilcox秩和检验

通过Shapiro-Wilk检验得知数据分布不满足正态性。这里p值小于0.05表明数据违背了正态性分布的零假设。

统计 | R语言执行两组间差异分析Wilcox秩和检验



Wilcoxon检验



不符合正态性前提的数据,无法应用t检验去比较差异。我们考虑使用非参数的方法作为替代,对于两组数据的比较,可使用wilcoxon检验。类似于t检验,根据样本间是否独立,wilcoxon检验分为wilcox秩和检验以及wilcox符号秩和检验。


wilcox秩和检验

  

假设样本间是相互独立的,直接使用wilcox秩和检验去处理。它是独立样本t检验的一种非参数替代方法。

此处使用的wilcox.test()与t检验t.test()的参数很相似。wilcox_test()中默认两组间相互独立(默认参数paired = FALSE),执行独立样本的wilcox秩和检验;同时默认的备择假设是双侧的(默认参数alternative = 'two.sided'),即执行双侧检验,可分别使用“alternative = 'less'”或“alternative = 'greater'”执行单侧wilcox检验。

##wilcox 秩和检验,我们执行了一个双侧检验
wilcox_test <- wilcox.test(value~group, shannon_23, paired = FALSE, alternative = 'two.sided')
wilcox_test
wilcox_test$p.value

由于p值(约为0.003)小于0.05,即拒绝了原假设(原假设两组间没有差异),group2和group3的shannon指数间存在显著不同。

统计 | R语言执行两组间差异分析Wilcox秩和检验



wilcox符号秩和检验

  

假设样本间并非相互独立的,可考虑wilcox符号秩和检验,它是非独立样本t检验的一种非参数替代方法。例如,非独立组设计(dependent groups design)、重复测量设计(repeated measures design)等。尽管此时你选用独立样本的wilcox秩和检验方法也是可行的,这种分析方法本身并没问题(仅仅是在统计算法上存在一些不同,相较之下可能wilcox符号秩和检验会更合适一些)。

此时在wilcox.test()中设定参数“paired = TRUE”即可执行wilcox符号秩和检验。

##wilcox 符号秩和检验,我们执行了一个双侧检验
wilcox_test <- wilcox.test(value~group, shannon_23, paired = TRUE, alternative = 'two.sided')
wilcox_test
wilcox_test$p.value

根据p值(0.039,低于0.05)可知group2和group3的shannon指数间存在显著不同。

统计 | R语言执行两组间差异分析Wilcox秩和检验



可视化展示

  

考虑作图将两组差异进行可视化展示。例如,一个简单的箱线图示例。

#boxplot() 箱线图
boxplot(value~group, data = shannon_23, col = c('blue', 'orange'), ylab = 'Shannon', xlab = 'Group', main = 'wilcox test: p-value = 0.00295')

统计 | R语言执行两组间差异分析Wilcox秩和检验

Wilcox秩和检验的一个批处理示例



相较于参数分析的t检验,wilcox秩和检验不必事先验证数据分布的正态性,因此理论上来讲,只要是两组数据间的差异分析均可使用wilcox秩和检验去完成,因此其适用范围相较于t检验也更广泛。在数据量较大的情况下(可能会存在部分数据满足t检验分析的条件,而另一部分数据则不满足,无法做到全部使用t检验去实现),可以考虑使用循环逐一挑选分组后,直接执行wilcox秩和检验进行各两两分组间的差异分析。尽管这种方法比较“粗暴”,但也不失为一种备选方案。

如下将展示一个批处理示例。


网盘附件中提供了另一示例数据集“gene.txt”。表格中每一行为一种基因,每一列为一个样本,交叉区域为各基因在各样本中的相对丰度。接下来,我们期望通过wilcox秩和检验,找到在group1和group2组中,具有丰度差异的基因。



##wilcox 检验批处理示例
library(doBy) #使用其中的 summaryBy() 以方便按分组计算均值、中位数

#读取数据
gene <- read.table('gene.txt', sep = ' ', row.names = 1, header = TRUE, stringsAsFactors = FALSE, check.names = FALSE)
group <- read.table('group.txt', sep = ' ', header = TRUE, stringsAsFactors = FALSE, check.names = FALSE)
result <- NULL

#使用循环,逐一对各基因进行两组间 wilcox 秩和检验
for (n in 1:nrow(gene)) {
gene_n <- data.frame(t(gene[n,subset(group, group %in% c(1, 2))$sample]))
gene_id <- names(gene_n)[1]
names(gene_n)[1] <- 'gene'

gene_n$sample <- rownames(gene_n)
gene_n <- merge(gene_n, group, by = 'sample', all.x = TRUE)

gene_n$group <- factor(gene_n$group)
p_value <- wilcox.test(gene~group, gene_n)$p.value
if (!is.na(p_value) & p_value < 0.05) {
stat <- summaryBy(gene~group, gene_n, FUN = c(mean, median))
result <- rbind(result, c(gene_id, as.character(stat[1,1]), stat[1,2], stat[1,3], as.character(stat[2,1]), stat[2,2], stat[2,3], p_value))
}
}

#输出统计结果
result <- data.frame(result)
names(result) <- c('gene_id', 'group1', 'mean1', 'median1', 'group2', 'mean2', 'median2', 'p_value')
result$p_adjust <- p.adjust(result$p_value, method = 'BH') #推荐加个 p 值校正的过程
write.table(result, 'gene.wilcox.txt', sep = ' ', row.names = FALSE, quote = FALSE)
我们主要输出这些结果: gene_id,基因id; group1和group2,分别为所需比较的分组1和分组2的名称; mean1、median1、mean2、median2,分别为各基因在分组1、2中的平均丰度以及中位数数值; p_value,显著性p值,此处仅输出了p值低于0.05的结果(即只保留相对丰度在group1、2中具有显著差异的基因); p_adjust,同时通过Benjamini方法校正p值(嗯嗯,这里的数据p值校正后,没有差异基因……)。
统计 | R语言执行两组间差异分析Wilcox秩和检验

特别说明

  

既然参数检验的前提条件有些苛刻,自己的数据不一定都满足参数分析的条件,那么以后需要用到组间差异比较时,直接全部使用非参数的检验就不可以了?

虽然对全部数据直接使用非参数的检验方式理论上没啥问题,但还是有点粗暴了一些。两种方法(此处比较了t检验和wilcox秩和检验)毕竟还是有差别的,非参数方法普遍没有参数方法严格。对于符合参数检验条件的数据来讲,使用参数检验还有可能会鉴别出非参数检验鉴别不到的差异,此时需要特别关注。例如,某数据符合t检验的条件,t检验的p值显著,但wilcox检验p值不显著,那么这时t检验的结果会相对可靠一些。

统计 | R语言执行两组间差异分析Wilcox秩和检验






以上是关于统计 | R语言执行两组间差异分析Wilcox秩和检验的主要内容,如果未能解决你的问题,请参考以下文章

r语言中如何进行两组独立样本秩和检验

R语言生存分析之组间生存曲线的对比: Log-Rank检验绘制漂亮的生存曲线

组间差异检验,终于有人讲清楚了!

R语言完美重现STAMP结果图

R语言使用coin包应用于连续变量独立性问题的置换检验(permutation tests)在同一数据集上使用Wilcoxon秩和检验和和置换检验中的wilcox_test精确检验

R语言与统计-2:方差分析