使用 plyr 进行成对 t 检验
Posted
技术标签:
【中文标题】使用 plyr 进行成对 t 检验【英文标题】:Pairwise t test using plyr 【发布时间】:2014-05-28 20:10:32 【问题描述】:我想使用 R 包 plyr 在一个非常大的数据框上运行成对 t 检验,但我不知道该怎么做。我最近学习了如何使用 plyr 进行相关性,我非常喜欢您如何指定要比较的组,然后 plyr 为您分解数据。例如,您可以让 plyr 计算 iris 数据集中每种鸢尾花的萼片长度和萼片宽度之间的相关性,如下所示:
Correlations <- ddply(iris, "Species", function(x) cor(x$Sepal.Length, x$Sepal.Width))
我可以自己分解数据框,指定鸢尾花品种的数据在 1:50 行中,依此类推,但 plyr 不太可能搞砸例如,不小心说出了第 1:51 行。
那么我该如何使用配对 t 检验做类似的事情呢?我如何指定哪些观察是成对的?这是一些与我正在使用的数据相似的示例数据,我希望这些对成为主题,并且我想按 Pesticide 分解数据:
Exposure <- data.frame("Subject" = rep(1:4, 6),
"Season" = rep(c(rep("summer", 4), rep("winter", 4)),3),
"Pesticide" = rep(c("atrazine", "metolachlor", "chlorpyrifos"), each=8),
"Exposure" = sample(1:100, size=24))
Exposure$Subject <- as.factor(Exposure$Subject)
换句话说,我想评估的问题是,每个人在冬季和夏季的农药接触量是否存在差异,我想分别针对这三个问题分别回答这个问题杀虫剂。
提前非常感谢!
编辑:澄清一下,这是如何在 plyr 中进行非配对 t 检验:
TTests <- dlply(Exposure, "Pesticide", function(x) t.test(x$Exposure ~ x$Season))
如果我在其中添加“paired=T”,plyr 将进行配对 t 检验,但它假定我总是以相同的顺序排列配对。虽然在上面的示例数据框中我确实以相同的顺序将它们全部保存,但我没有在我的真实数据中,因为我有时会丢失数据。
【问题讨论】:
【参考方案1】:你想要这个吗?
library(data.table)
# convert to data.table in place
setDT(Exposure)
# make sure data is sorted correctly
setkey(Exposure, Pesticide, Season, Subject)
Exposure[, list(res = list(t.test(Exposure[Season == "summer"],
Exposure[Season == "winter"],
paired = T)))
, by = Pesticide]$res
#[[1]]
#
# Paired t-test
#
#data: Exposure[Season == "summer"] and Exposure[Season == "winter"]
#t = -4.1295, df = 3, p-value = 0.02576
#alternative hypothesis: true difference in means is not equal to 0
#95 percent confidence interval:
# -31.871962 -4.128038
#sample estimates:
#mean of the differences
# -18
#
#
#[[2]]
#
# Paired t-test
#
#data: Exposure[Season == "summer"] and Exposure[Season == "winter"]
#t = -6.458, df = 3, p-value = 0.007532
#alternative hypothesis: true difference in means is not equal to 0
#95 percent confidence interval:
# -73.89299 -25.10701
#sample estimates:
#mean of the differences
# -49.5
#
#
#[[3]]
#
# Paired t-test
#
#data: Exposure[Season == "summer"] and Exposure[Season == "winter"]
#t = -2.5162, df = 3, p-value = 0.08646
#alternative hypothesis: true difference in means is not equal to 0
#95 percent confidence interval:
# -30.008282 3.508282
#sample estimates:
#mean of the differences
# -13.25
【讨论】:
谢谢,@eddi;这让我更接近,但我仍然想知道如何处理缺失的观察结果。例如,如果我在冬天错过了采样主题 1,即使我对数据进行了适当的排序,我也会收到“并非所有参数的长度都相同”的错误。如果我在这里尝试用多元线性回归做类似的事情,即使缺少数据,这样的事情也会起作用:“lm(曝光〜季节+主题)”(在这种情况下不是最好的例子,但想不出更好的东西)。那将指定主题。也许这与 t 检验没有任何推论。 @LauraS 这是一个选项 - 在开始执行上述操作之前过滤数据:Exposure = Exposure[, if(.N == 2) .SD, by = list(Pesticide, Subject)]
实际上,该代码对我不起作用; R告诉我“by = ...”部分未使用。 :-)
@LauraS 我想你忘了转换成data.table
实际上,我对您回答中的代码还有其他几个问题:“setkey”和“setDT”命令是什么?在这里非常感谢您的帮助!【参考方案2】:
我不知道ddply
,但这里是我如何使用一些base
函数。
by(data = Exposure, INDICES = Exposure$Pesticide, FUN = function(x)
t.test(Exposure ~ Season, data = x)
)
Exposure$Pesticide: atrazine
Welch Two Sample t-test
data: Exposure by Season
t = -0.1468, df = 5.494, p-value = 0.8885
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-49.63477 44.13477
sample estimates:
mean in group summer mean in group winter
60.50 63.25
----------------------------------------------------------------------------------------------
Exposure$Pesticide: chlorpyrifos
Welch Two Sample t-test
data: Exposure by Season
t = -0.8932, df = 4.704, p-value = 0.4151
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-83.58274 41.08274
sample estimates:
mean in group summer mean in group winter
52.25 73.50
----------------------------------------------------------------------------------------------
Exposure$Pesticide: metolachlor
Welch Two Sample t-test
data: Exposure by Season
t = 0.8602, df = 5.561, p-value = 0.4252
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-39.8993 81.8993
sample estimates:
mean in group summer mean in group winter
62.5 41.5
【讨论】:
嗯...感谢@Roman Luštrik 的建议,但这并不能解决配对问题。以上是关于使用 plyr 进行成对 t 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Friedman检验实战:Friedman检验是单因素重复测量方差分析的一种非参数替代方法有bonferroni校正的成对Wilcoxon秩和检验进行事后(post hoc)测试分析
R语言编写自定义函数使用Wilcoxon符号秩检验(Wilcoxon signed rank)实现多分组非参数成对检验(pairwise)并使用p.adjust函数调整概率值