R语言之t检验

Posted 2020-09-03

在R中，t检验是通过t.test()命令实现的，通过设置该命令中的选项可以完成不同的t检验。首先介绍该命令的常用选项：



一、单样本t检验

通过设定mu选项来进行，如
> t.test(data2,mu=5)

    One Sample t-test

data:  data2
t = 0.25482, df = 15, p-value = 0.8023
alternative hypothesis: true mean is not equal to 5
95 percent confidence interval:
 4.079448 6.170552
sample estimates:
mean of x
    5.125

二、方差相等时的双样本t检验

通过设定var.equal=TRUE来进行，此时的计算会合并方差，并且不修改自由度，如
> t.test(data2,data3,var.equal = TRUE)

    Two Sample t-test

data:  data2 and data3
t = -2.7908, df = 26, p-value = 0.009718
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -3.5454233 -0.5379101
sample estimates:
mean of x mean of y
 5.125000  7.166667


三、方差不等时的双样本t检验
通过设定var.equal=FALSE来进行，计算会对t值和自由度进行校正，如
> t.test(data2,data3,var.equal = FALSE)

    Welch Two Sample t-test

data:  data2 and data3
t = -2.8151, df = 24.564, p-value = 0.009462
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -3.5366789 -0.5466544
sample estimates:
mean of x mean of y
 5.125000  7.166667

四、配对t检验
通过设定paired=TRUE来进行，需要注意的是，配对t检验的数据要求两列数据有相同长度，否则会报错。如

> t.test(data1,data2,paired = TRUE)

五、使用公式形式语法进行t检验
如果数据结构为数字向量，那么可以直接使用上述的t.test()设定进行分析，但是很多情况下，我们的数据中会有分类数据，而这些分类数据又基本为因子（也就是自变量、预测变量），此时，我们得到的数据为如下形式：
   rich graze
1   12   mow
2   15   mow
3   17   mow
4   11   mow
5   15   mow
6    8 unmow
7    9 unmow
8    7 unmow
9    9 unmow

对于这种形式的数据，我们在使用t检验时，需要将数据设定为y~x形式，如

> t.test(rich~graze,data=grass)

    Welch Two Sample t-test

data:  rich by graze
t = 4.8098, df = 5.4106, p-value = 0.003927
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 2.745758 8.754242
sample estimates:
  mean in group mow mean in group unmow
              14.00                8.25

如果分类数据多于两类，需要设定subset选项进行指定，如

> t.test(rich~graze,data=grass,subset=graze%in%c("mow","unmow"))

    Welch Two Sample t-test

data:  rich by graze
t = 4.8098, df = 5.4106, p-value = 0.003927
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 2.745758 8.754242
sample estimates:
  mean in group mow mean in group unmow
              14.00                8.25

上例中，我们从graze这个预测变量中指定了"mow","unmow"两个子集用于做t检验，其中%in%意为随后的类别包含在graze中。