table 中一列和不同列之间的多个 t.test

Multiple t.test between one column and different columns in a table

我尝试在不同的列之间进行 t 检验循环,特别是一个和不同的列。 我想做一个多重 t.test 并将其插入 table 以总结 p 值并显示我用哪些列做了 t.test.

我试过了,

    var1<- c('empfte','empft_rate','wage_st','wage_min','pmeal','hrsopen','bonus')
for (i in var1){
  result=t.test(eval(parse(text = paste0(i,"~state"))),data)
pvalue<-  print(i)
  print(result$p.value)
}

但是“打印”不美观。

此外,如果可以将 table 放入 Latex 格式。

您可以使用 lapply(“list-apply”)根据单个变量评估每个变量(在本例中,“empfte”与所有其他变量),例如

library(tidyverse)
var1 <- tribble(~'empfte',~'empft_rate',~'wage_st',~'wage_min',~'pmeal',~'hrsopen',~'bonus',
                  3, 3, 0.7, 22, 2.0, 8, 5,
                  4, 1, 0.7, 22, 2.5, 9, 5.1,
                  2, 1, 0.6, 22, 2.1, 2, 5.2,
                  3, 6, 0.8, 22, 2.9, 5, 5.3,
                  3, 6, 0.8, 22, 2.9, 5, 5.4,
                  3, 5, 0.8, 22, 2.9, 5, 5.8)

t.test_func <- function(name){
  test <- t.test(x = var1$empfte, y = name)
  return(test$p.value)
}

list_of_results <- lapply(var1, t.test_func)
table <- t(data.frame("empfte vs" = list_of_results))
colnames(table) <- c("P-Value")
table

                                   P-Value
    empfte.vs.empfte     1.000000000000000
    empfte.vs.empft_rate 0.526440549147148
    empfte.vs.wage_st    0.000280122578855
    empfte.vs.wage_min   0.000000008779076
    empfte.vs.pmeal      0.181259032114088
    empfte.vs.hrsopen    0.047201925878887
    empfte.vs.bonus      0.000087211443709

library(xtable)
xtable(t(data.frame("empfte vs" = list_of_results)))

    % latex table generated in R 4.0.3 by xtable 1.8-4 package
    % Tue Dec 22 11:44:20 2020
    \begin{table}[ht]
    \centering
    \begin{tabular}{rr}
      \hline
     & x \ 
      \hline
    empfte.vs.empfte & 1.00 \ 
      empfte.vs.empft\_rate & 0.53 \ 
      empfte.vs.wage\_st & 0.00 \ 
      empfte.vs.wage\_min & 0.00 \ 
      empfte.vs.pmeal & 0.18 \ 
      empfte.vs.hrsopen & 0.05 \ 
      empfte.vs.bonus & 0.00 \ 
       \hline
    \end{tabular}
    \end{table}

您应该知道这些值对于多重测试不正确(例如 Bonferroni 校正)和方差分析可能是更合适的统计检验。