如何创建各种测试结果的数据框？
How to create a data frame of various test results?
在我们的实验中，我们有一个包含以下列的数据框：
Participant
Condition
parametricVariables
nonParametricVariables
orderNumber
1
Condition 1
14.7
4
1
1
Condition 2
11.4
1
2
2
Condition 1
8.2
7
2
2
Condition 2
13.0
6
1
...
...
...
...
...
我们有多个参数变量和多个非参数变量，只有两个条件。 orderNumber 列表示给定参与者测试给定条件的顺序 - 因此参与者 1 首先测试条件 1，然后测试条件 2，而参与者 2 以相反的顺序测试它们。
尽管我们尽了最大努力，但我们仍在尝试查看是否存在基于条件顺序的非系统变化。到目前为止，我们一直在使用函数调用并从输出中读取结果，如下所示：
ParticipantOrder1 <- gameSummary %>% filter(orderNumber == 1)
Condition1Order1 <- ParticipantOrder1 %>% filter(条件==condition1_label)
Condition2Order1 <- ParticipantOrder1 %>% filter(条件==condition2_label)
ParticipantOrder2 <- gameSummary %>% filter(orderNumber == 2)
Condition1Order2 <- ParticipantOrder2 %>% filter(条件==condition1_label)
Condition2Order2 <- ParticipantOrder2 %>% filter(条件==condition2_label)
# 检查参数变量的正态性
# ...
# 使用 Welch 的 t 检验检查两个订单中参数变量的差异
t.test(ParticipantOrder1<span class="math-container">$parametric, ParticipantOrder2$</span>parametric)
t.test(Condition1Order1<span class="math-container">$parametric, Condition1Order2$</span>parametric)
t.test(Condition2Order1<span class="math-container">$parametric, Condition2Order2$</span>parametric)
# 使用 Wilcoxon 符号排序检验检查两个订单中非参数变量的差异
wilcox.test(ParticipantOrder1<span class="math-container">$nonParametric, ParticipantOrder1$</span>nonParametric, paired=TRUE,exact=FALSE)
wilcox.test(Condition1Order1<span class="math-container">$nonParametric, Condition1Order2$</span>nonParametric, paired=TRUE,exact=FALSE)
wilcox.test(Condition2Order1<span class="math-container">$nonParametric, Condition2Order2$</span>nonParametric, paired=TRUE,exact=FALSE)
如您所见，当有多个参数和非参数变量时，这种方法会变得相当笨拙。我想知道是否有更好的方法将所有这些测试结果收集到 table 中，如下所示：
Variable
Condition
TestType
statistic
p-value
parametric1
Both
Welch Two Sample t-test
0.10317
0.9185
parametric1
Condition 1
Welch Two Sample t-test
0.625
0.5462
parametric1
Condition 2
Welch Two Sample t-test
-0.69369
0.503
nonParametric1
Both
Wilcoxon signed rank test with continuity correction
18
0.6295
...
...
...
...
...
对数据进行分组
首先，我们应该按 groupingVariable.
对所有数据进行分组
analysisSummary <- gameSummary %>%
select(parametric1, parametric2, nonparametric1, groupingVariable) %>%
gather(key = variable, value = value, -groupingVariable) %>%
group_by(variable, groupingVariable) %>%
summarise(value=list(value)) %>%
spread(groupingVariable, value) %>%
group_by(variable)
如果您想了解这个查询是如何构建的，我建议您查看 this tutorial by Sebastian Sauer。
这将为我们提供以下带有 groupingValue 的 table，它们是 groupingVariable 的值：
variable
groupingValue1
groupingValue2
parametric1
<dbl [X]>
<dbl [Y]>
parametric1
<dbl [X]>
<dbl [Y]>
nonparametric1
<dbl [X]>
<dbl [Y]>
parametric1、parametric1 和 nonparametric1 是您要在两组之间进行比较的变量。
groupingVariable 是您划分人口的指标。例如，它可能是 sex，在这种情况下 groupingValue 可能是 male 和 female [1]。或者，按照问题中的示例，groupingVariable 可以是 orderNumber，而 groupingValue 可以是 1 和 2。请注意，这些具有数值 - 这给我们带来了一个问题。
数值groupingVariables
R 不会将列的数值视为名称，而是 table 中列的顺序号。如果您想要可读代码，可以使用
将这些列重命名为 order1 和 order2
analysisSummary <- analysisSummary %>% rename(order1 = 2, order2 = 3)
假设 groupingValue1 和 groupingValue2 列分别位于 table 中的第 2 和第 3 个位置。
运行 测试
我们可以使用 case_when 有条件地 运行 对不同的变量进行不同的测试。
analysisSummary %>% mutate(
# Save the name of the test for convenient reference later
test = case_when(
isVariableParametric(variable) ~ "Welch's t test", TRUE ~ "Wilcoxon test"
),
# Run the t-test for parametric variables and Wilcoxon signed rank test for non-parametric ones, save the p-value
p_value = case_when(
isVariableParametric(variable) ~ t.test(unlist(groupingVariable1), unlist(groupingVariable2))$p.value,
TRUE ~ wilcox.test(unlist(groupingVariable1), unlist(groupingVariable2), paired=FALSE, exact=FALSE)$p.value
),
# Run the test again, but now save the effect size
statistic = case_when(
isVariableParametric(variable) ~ t.test(unlist(groupingVariable1), unlist(groupingVariable2))$statistic,
TRUE ~ wilcox.test(unlist(groupingVariable1), unlist(groupingVariable2), paired=FALSE, exact=FALSE)$statistic
),
)
您还应该定义一个函数来决定变量是否是参数化的。在我的例子中，我对其进行了硬编码（但长期的、可重用的解决方案是动态解析它）：
isVariableParametric <- function(variable) {
variable %in% c('parametric1', 'parametric2')
}
这将为我们提供 table 且易于浏览的结果：
variable
groupingValue1
groupingValue2
test
p-value
statistic
parametric1
<dbl [X]>
<dbl [Y]>
Welch's t test
0.19081
0.23504
parametric1
<dbl [X]>
<dbl [Y]>
Welch's t test
0.16398
0.00014
nonparametric1
<dbl [X]>
<dbl [Y]>
Wilcoxon test
0.78727
87.5000
[1] 为简单起见，这里坚持两组，因为测试多个组之间的差异需要额外的统计检查（Bonferroni 校正）或不同的方法（ANOVA）。
在我们的实验中，我们有一个包含以下列的数据框：
| Participant | Condition | parametricVariables | nonParametricVariables | orderNumber |
|---|---|---|---|---|
| 1 | Condition 1 | 14.7 | 4 | 1 |
| 1 | Condition 2 | 11.4 | 1 | 2 |
| 2 | Condition 1 | 8.2 | 7 | 2 |
| 2 | Condition 2 | 13.0 | 6 | 1 |
| ... | ... | ... | ... | ... |
我们有多个参数变量和多个非参数变量，只有两个条件。 orderNumber 列表示给定参与者测试给定条件的顺序 - 因此参与者 1 首先测试条件 1，然后测试条件 2，而参与者 2 以相反的顺序测试它们。
尽管我们尽了最大努力，但我们仍在尝试查看是否存在基于条件顺序的非系统变化。到目前为止，我们一直在使用函数调用并从输出中读取结果，如下所示：
ParticipantOrder1 <- gameSummary %>% filter(orderNumber == 1)
Condition1Order1 <- ParticipantOrder1 %>% filter(条件==condition1_label)
Condition2Order1 <- ParticipantOrder1 %>% filter(条件==condition2_label)
ParticipantOrder2 <- gameSummary %>% filter(orderNumber == 2)
Condition1Order2 <- ParticipantOrder2 %>% filter(条件==condition1_label)
Condition2Order2 <- ParticipantOrder2 %>% filter(条件==condition2_label)
# 检查参数变量的正态性
# ...
# 使用 Welch 的 t 检验检查两个订单中参数变量的差异
t.test(ParticipantOrder1<span class="math-container">$parametric, ParticipantOrder2$</span>parametric)
t.test(Condition1Order1<span class="math-container">$parametric, Condition1Order2$</span>parametric)
t.test(Condition2Order1<span class="math-container">$parametric, Condition2Order2$</span>parametric)
# 使用 Wilcoxon 符号排序检验检查两个订单中非参数变量的差异
wilcox.test(ParticipantOrder1<span class="math-container">$nonParametric, ParticipantOrder1$</span>nonParametric, paired=TRUE,exact=FALSE)
wilcox.test(Condition1Order1<span class="math-container">$nonParametric, Condition1Order2$</span>nonParametric, paired=TRUE,exact=FALSE)
wilcox.test(Condition2Order1<span class="math-container">$nonParametric, Condition2Order2$</span>nonParametric, paired=TRUE,exact=FALSE)
如您所见，当有多个参数和非参数变量时，这种方法会变得相当笨拙。我想知道是否有更好的方法将所有这些测试结果收集到 table 中，如下所示：
| Variable | Condition | TestType | statistic | p-value |
|---|---|---|---|---|
| parametric1 | Both | Welch Two Sample t-test | 0.10317 | 0.9185 |
| parametric1 | Condition 1 | Welch Two Sample t-test | 0.625 | 0.5462 |
| parametric1 | Condition 2 | Welch Two Sample t-test | -0.69369 | 0.503 |
| nonParametric1 | Both | Wilcoxon signed rank test with continuity correction | 18 | 0.6295 |
| ... | ... | ... | ... | ... |
对数据进行分组
首先，我们应该按 groupingVariable.
analysisSummary <- gameSummary %>%
select(parametric1, parametric2, nonparametric1, groupingVariable) %>%
gather(key = variable, value = value, -groupingVariable) %>%
group_by(variable, groupingVariable) %>%
summarise(value=list(value)) %>%
spread(groupingVariable, value) %>%
group_by(variable)
如果您想了解这个查询是如何构建的，我建议您查看 this tutorial by Sebastian Sauer。
这将为我们提供以下带有 groupingValue 的 table，它们是 groupingVariable 的值：
| variable | groupingValue1 | groupingValue2 |
|---|---|---|
| parametric1 | <dbl [X]> | <dbl [Y]> |
| parametric1 | <dbl [X]> | <dbl [Y]> |
| nonparametric1 | <dbl [X]> | <dbl [Y]> |
parametric1、parametric1 和 nonparametric1 是您要在两组之间进行比较的变量。
groupingVariable 是您划分人口的指标。例如，它可能是 sex，在这种情况下 groupingValue 可能是 male 和 female [1]。或者，按照问题中的示例，groupingVariable 可以是 orderNumber，而 groupingValue 可以是 1 和 2。请注意，这些具有数值 - 这给我们带来了一个问题。
数值groupingVariables
R 不会将列的数值视为名称，而是 table 中列的顺序号。如果您想要可读代码，可以使用
将这些列重命名为order1 和 order2
analysisSummary <- analysisSummary %>% rename(order1 = 2, order2 = 3)
假设 groupingValue1 和 groupingValue2 列分别位于 table 中的第 2 和第 3 个位置。
运行 测试
我们可以使用 case_when 有条件地 运行 对不同的变量进行不同的测试。
analysisSummary %>% mutate(
# Save the name of the test for convenient reference later
test = case_when(
isVariableParametric(variable) ~ "Welch's t test", TRUE ~ "Wilcoxon test"
),
# Run the t-test for parametric variables and Wilcoxon signed rank test for non-parametric ones, save the p-value
p_value = case_when(
isVariableParametric(variable) ~ t.test(unlist(groupingVariable1), unlist(groupingVariable2))$p.value,
TRUE ~ wilcox.test(unlist(groupingVariable1), unlist(groupingVariable2), paired=FALSE, exact=FALSE)$p.value
),
# Run the test again, but now save the effect size
statistic = case_when(
isVariableParametric(variable) ~ t.test(unlist(groupingVariable1), unlist(groupingVariable2))$statistic,
TRUE ~ wilcox.test(unlist(groupingVariable1), unlist(groupingVariable2), paired=FALSE, exact=FALSE)$statistic
),
)
您还应该定义一个函数来决定变量是否是参数化的。在我的例子中，我对其进行了硬编码（但长期的、可重用的解决方案是动态解析它）：
isVariableParametric <- function(variable) {
variable %in% c('parametric1', 'parametric2')
}
这将为我们提供 table 且易于浏览的结果：
| variable | groupingValue1 | groupingValue2 | test | p-value | statistic |
|---|---|---|---|---|---|
| parametric1 | <dbl [X]> | <dbl [Y]> | Welch's t test | 0.19081 | 0.23504 |
| parametric1 | <dbl [X]> | <dbl [Y]> | Welch's t test | 0.16398 | 0.00014 |
| nonparametric1 | <dbl [X]> | <dbl [Y]> | Wilcoxon test | 0.78727 | 87.5000 |
[1] 为简单起见，这里坚持两组，因为测试多个组之间的差异需要额外的统计检查（Bonferroni 校正）或不同的方法（ANOVA）。