使用 plyr 进行成对 t 检验

Posted 2023-03-12

【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。

【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。