使用一列内数据的非配对 t 检验

Question

我想做一个未配对的 t 检验来检查值在每个类型 站点之间 是否不同 =52=]类别。

所以我的问题是，在类型（AB 或 CD）中，值（值 A 或值 B）是否不同 站点之间（A 或 B）？

这是我的数据示例：

dat <- data.frame( "site" = c("A","B","B","A","A","B","B","A"), "type" = c("AB","CD"), "valueA" = c(13,-10,-5,18,-14,12,-17,19), "valueB" = c(-3,20,15,-16,12,15,-11,14) ) dat site type valueA valueB A AB 13 -3 B CD -10 20 B AB -5 15 A CD 18 -16 A AB -14 12 B CD 12 15 B AB -17 -11 A CD 19 14

我正在尝试进行四个 未配对 t 检验来检查：

如果 valueA 类型为 AB，站点 A 与站点 B 之间存在差异

如果 valueB 类型为 AB，站点 A 与站点 B 之间存在差异

如果 valueA 类型为 CD，则站点 A 与站点 B 之间存在差异

如果 valueB 类型为 CD，则站点 A 与站点 B 之间存在差异

为了运行未配对的 t 检验，我认为我需要重新安排我的数据，以便类型 AB 和类型 CB 以及站点 A 和站点 B 都是一列（而不是在类型或网站栏中）。

编辑：

使用评论中建议的代码：

library(dplyr) d %>% group_by(site, type) %>% summarise(pval = t.test(valueA, valueB)$p.value)

输出是这样的：

site type pval A AB 0.784 A CD 0.417 B AB 0.492 B CD 0.365

据我了解，这里的 p 值给出了 valueA 和 valueB 之间的差异。

我正在寻找，例如：类型CD中valueA的站点A和站点B的区别。

因此，如果我的想法是正确的，t 检验的输出应该有一列用于类型、值 A 和值 B。然后 p 值表示站点之间的差异。

与此类似：

type valueA valueB AB 0.365 0.784 CD 0.492 0.417

这有意义吗？

Answer 1

我们可以做一个 group_by 'site', 'type' 并应用 t.test

library(dplyr)
out <- dat %>% 
         group_by(site, type) %>% 
         summarise(pval = t.test(valueA, valueB)$p.value)

默认情况下，paired = FALSE 在 t.test

上面的输出可以用 pivot_wider

重塑为 'wide' 格式

library(stringr)
library(tidyr)
out %>%
    ungroup %>%
    mutate(site = str_c('value', site)) %>% 
    pivot_wider(names_from = site, values_from = pval)
# A tibble: 2 x 3
#  type  valueA valueB
#  <fct>  <dbl>  <dbl>
#1 AB     0.784  0.492
#2 CD     0.417  0.365

如果我们要比较 'AB' 和 'CD'

之间的 'value' 列

dat %>% 
   group_by(site) %>% 
   summarise_at(vars(starts_with('value')), 
          ~ t.test(.[type == 'AB'], .[type == 'CD'])$p.value)
# A tibble: 2 x 3
#  site  valueA valueB
#  <fct>  <dbl>  <dbl>
#1 A      0.393  0.784
#2 B      0.464  0.439

Answer 2

我想我明白你的要求了。看看这是否适合你：

library(tidyverse)

dat %>% 
  pivot_longer(cols = c(valueA, valueB), names_to = "name", values_to = "val") %>%
  split(.$site) %>%
  map(., ~rename(.x, !!sym(paste0(.x$site[[1]], "val")) := val) %>%
        select(-site)) %>%
  reduce(full_join, by = c("type", "name")) %>%
  group_by(type, name) %>%
  summarise(p.val = t.test(Aval, Bval)$p.value) %>%
  pivot_wider(id_cols = type, names_from = name, values_from = p.val)
#> # A tibble: 2 x 3
#> # Groups:   type [2]
#>   type  valueA valueB
#>   <fct>  <dbl>  <dbl>
#> 1 AB    0.284   0.785
#> 2 CD    0.0703  0.121

这里我们从宽到长，按站点拆分数据框。重命名感兴趣的值以包括站点，重新加入数据框，然后运行按类型和站点分组 t.test。

使用一列内数据的非配对 t 检验

Un-paired t-test using data within one column

r

reshape

spread

t-test