评估具有不同长度的多个二进制测试答案的正确统计测试/ R 函数是啥？

Posted 2023-03-12

【中文标题】评估具有不同长度的多个二进制测试答案的正确统计测试/ R 函数是啥？

【英文标题】：What's the correct statistical test/R function for assessing multiple, binary test answers with different lengths?评估具有不同长度的多个二进制测试答案的正确统计测试/ R 函数是什么？

【发布时间】：2020-06-16 20:43:04

【问题描述】：

我有很多问题。每个参与者都必须从该池中回答相同数量的随机问题。然后我根据另一个变量将参与者分成两组。

我如何评估哪个组在 R 中表现更好？

【问题讨论】：

在这样的地方问这种问题不会得到太多帮助。一个更合适的问题可能是：“我如何在 R 中执行非配对 t 检验？”或“我如何才能最好地可视化由 R 中的另一个变量分层的结果变量的分布？”。更好的是，显示一小部分数据（参见dput）。听起来怎么样？

感谢 Edward — 这实际上不是我最初的问题，但有人建议进行这些编辑。我在 T 测试上没问题，但我只是不确定当我有两组时正确的统计测试是什么，其中一组数据看起来像：q1 q2 q3 1 0 1 0 1 NA NA 0 1 and group two something喜欢：q1 q2 q3 1 0 NA NA 1 0 1 0 1（我的实际数据有 6 个问题和 49 名参与者）谢谢，

【参考方案1】：

那么让我们尝试这样的事情：

df = data.frame(id=1:49,
q1 = sample(0:1,49,prob=c(0.7,0.3),replace=TRUE),
q2 = sample(0:1,49,prob=c(0.5,0.5),replace=TRUE),
q3 = sample(0:1,49,prob=c(0.3,0.7),replace=TRUE),
group = sample(c("a","b"),49,replace=TRUE)
)

您可以使用每列上的 Fisher 测试来测试每个问题与组的关联，例如下面我们在 q1 和组之间进行：

fisher.test(table(df$q1,df$group))

    Fisher's Exact Test for Count Data

data:  table(df$q1, df$group)
p-value = 0.5072
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.09971675 2.43186118
sample estimates:
odds ratio 
 0.5346084 

如果问题相关，可以设置混合模型，并且有个人的影响：

library(lme4)
newdf = pivot_longer(df,-c(id,group))
glmer(value ~ name*group + (1|id),data=newdf,family="binomial")

我认为 Fisher 测试对你来说可能是最直接的。