r语言中t检验如何单独取t值

2023-02-24 18:09:01Python016

r语言中t检验如何单独取t值,第1张

独立双样本t检验，首先假设我们的两组数据完全由独立抽样得来；t.test函数可以直接用于检验像sleep这样的长数据，列group则为样本的分组依据。

配对样本t检验，数据集为包含分组变量的数据框，那么程序将默认group=1的数据行中的第一行与group=2的数据行中的第一行相互匹配。

样本t检验，假设实验目的为检验列extra数据对应的总体均值是否为0。

t检验用于判断两个总体均值是否具有差异，来源于正态分布，t检验的应用条件是样本含量较小且满足正态、方差齐，单样本t检验是用于样本均数和已知总体均数之间的比较。

向量是 R 语言中最基本的数据类型，在 R 中没有单独的标量（例如 1 本质上是 c(1)）。

R 中可以用 = 或者 <- 来进行赋值， <-的快捷键是 alt + - 。

R的下标是从1开始的，和python等不同（python四从0开始的）

当然我们也可以用逻辑进行筛选，例如

负数下标表示不选这个这些下标，例如：

c() 可以合并向量，例如

向量有个比较有趣的性质，当两个向量进行操作时，如果长度不等，长度比较短的一个会复制自己直到自己和长的一样长。

a 自动变成了 c(3,4,3,4) 然后与b相加，得到了下面的结果。

遇到不懂得函数，可以用help("函数")查看函数用法。

矩阵，从本质上来说就是多维的向量，我们来看一看我们如何新建一个矩阵。

可以看到向量元素变为矩阵元素的方式是按列的，从第一列到第二列，如果我们想按行输入元素，那么需要加入 byrow = TRUE 的参数：

与向量相似，我们可以用下标来筛选矩阵，例如：

a[行,列]

当我们对两个矩阵相乘，我们得到的结果是对应元素两两相乘的结果，例如：

而这不是我们想要的矩阵乘法，在 R 中我们在乘法旁边加两个百分号来做矩阵乘法：

此外，我们可以用 t() 来求矩阵的转置，用 solve() 来求矩阵的逆。

数据框类似矩阵，与矩阵不同的是，数据框可以有不同的数据类型。一般做数据分析，我们把一个类似 excel 的表格读入 R ，默认的格式就是数据框，可见数据框是一个非常重要的数据结构。

一般来说我们需要分析的数据，每一行代表一个样本，每一列代表一个变量。

下面我们用 R 内置的数据集 iris 来看一看数据框的使用。

我们用 data 函数调入了 iris 这个数据集，然后用 head 函数来看一看这个数据的前几行，可以看到有 sepal 的长度，宽度，petal 的长度和宽度，还有一个变量 Species 来描述样本的类别。

我们可以用 summary 函数来对数据集做大致的了解。

可以直观地看到每个变量的信息，对于几个数值变量，我们可以看到最小值，中位数等等统计信息。而对于 Species 这个分类变量，我们看到的是计数信息。

筛选数据框与矩阵相似,都可以通过数字下标来获取子集，不同地是因为数据框有不同的列名,我们也可以通过列名来获取某一特定列,例如：

我们可以用 names() 函数来获取数据框的列名

并可以通过为其赋值改变列的名字。

列表是一种递归式的向量,我们可以用列表来存储不同类型的数据，比如：

列表有多种索引方式，可以用如下方式获取。

今天我们实验的对象就是一组从原始 R 进化出来的工具链 Tidyverse , 它是由 Hadley Wickham 主导开发的一系列 R 包的集合。 Tidyverse 继承了R语言进行快速统计分析的优势，并实现了一些新的理念，例如 magrittr 包中的管道操作，让线性嵌套的函数组合变得更加清晰易懂；可视化方面中的 ggplot ，使绘图变成搭积木式的图层叠加。

这样的小发明有的改变了分析的运作方式，有的改变了使用者的认知方式，聚在一起形成了一种新的数据分析的生态链。具体来看， Tidyverse 有如下核心组件:

mpg 数据集是刻画不同汽车的排放状况的一个数据集，总过有 234 个样本， 11 个变量。这 11 个变量分别是:

manufacture: 制造商

model: 车型

dispel：汽车排放量

year: 制造年度

cyl: 排气管数量

trans: 排放类型

drv: 驱动方式

cty: 每公里耗油量（城市道路）

hwy: 每公里耗油量（高速路）

fl: 油的种类

class: 车的类型

更多数据相关信息可以通过 help(mpg) 指令获取。

在属性映射中加入 color=class 参数后，我们可以看到每个点的汽车对应的类型被用不同颜色表现了出来，对于散点图，还有 size(大小) , shape（形状）等等参数可以用于确定点的属性。

对于条形图的y轴就是数据框中原本的数值时，必须将geom_bar()函数中stat(统计转换)参数设置为’identity’，即对原始数据集不作任何统计变换，而该参数的默认值为’count’，即观测数量。

数据准备

许多实际情况中统计假设（假定观测数据抽样自正态分布或者其他性质较好的理论分布）并不一定满足，比如数据抽样于未知或混合分布、样本量过小、存在离群点、基于理论分布设计合适的统计检验过于复杂且数学上难以处理等情况，这时基于随机化和重抽样的统计方法就可派上用场。

置换检验的定义

置换检验(Permutation test)，也称随机化检验或重随机化检验，是Fisher于20世纪30年代提出的一种基于大量计算（computationally intensive），利用样本数据的全（或随机）排列，进行统计推断的方法，因其对总体分布自由，应用较为广泛，特别适用于总体分布未知的小样本资料，以及某些难以用常规方法分析资料的假设检验问题。

置换检验的原理

1、提出原假设，比如XX处理后结果没有变化

2、计算统计量，如两组的均值之差，记作t0

3、将所有样本放在一起，然后随机排序进行分组，再计算其统计量t1

4、重复第3步骤，直至所有排序可能性都齐全（比如有A组有n样本，B组有m样本，则总重复次数相当于从n+m中随机抽取n个的次数），得到一系列的统计量（t1-tn）

5、最后将这些统计量按照从小到大排序，构成抽样分布，再看t0是否落在分布的置信区间内（如95%置信区间），这时候可计算一个P值（如果抽样总体1000次统计量中大于t0的有10个，则估计的P值为10/1000=0.01），落在置信区间外则拒绝原假设

6、如果第3步骤是将所有可能性都计算了的话，则是精确检验；如果只取了计算了部分组合，则是近似结果，这时一般用蒙特卡罗模拟（Monte Carlo simulation）的方法进行置换检验

7、置换检验和参数检验都计算了统计量，但是前者是跟置换观测数据后获得的经验分布进行比较，后者则是跟理论分布进行比较。

请牢记：置换检验都是使用伪随机数来从所有可能的排列组合中进行抽样（当做近似检验时）。因此，每次检验的结果都有所不同。

coin包提供了一个进行置换检验的一般性框架。通过该包，你可以回答如下问题。

响应值与组的分配独立吗？

两个数值变量独立吗？

两个类别型变量独立吗？

表12-2列出来的每个函数都是如下形式：

function_name(formula, data, distribution=)

其中：

 formula描述的是要检验变量间的关系。示例可参见表12-2；

 data是一个数据框；

 distribution指定经验分布在零假设条件下的形式，可能值有exact，asymptotic和

approximate。

若distribution = "exact"，那么在零假设条件下，分布的计算是精确的（即依据所有可能的排列组合）。当然，也可以根据它的渐进分布（distribution = "asymptotic"）或蒙特卡洛重抽样（distribution = "approxiamate(B = #)"）来做近似计算，其中#指所需重复的次数。

distribution = "exact"当前仅可用于两样本问题。

传统t检验表明存在显著性差异（p <0.05），而精确检验却表明差异并不显著（p >0.072）。

第7章我用自己的数据进行了t检验，对比一下传统t检验和置换检验，结果如下：

两种检验方式下结果都是显著的

Wilcoxon-Mann-Whitney U检验

coin包规定所有的类别型变量都必须以因子形式编码。

wilcox.test()默认计算的也是精确分布。

K样本检验的置换检验

通过chisq_test()或cmh_test()函数，我们可用置换检验判断两类别型变量的独立性。当数据可根据第三个类别型变量进行分层时，需要使用后一个函数。若变量都是有序型，可使用lbl_test()函数来检验是否存在线性趋势。

卡方独立性检验

卡方独立性检验的置换检验

你可能会有疑问，为什么需要把变量Improved从一个有序因子变成一个分类因子？（好问题！）这是因为，如果你用有序因子，coin()将会生成一个线性与线性趋势检验，而不是卡方检验。

结果解读：两种检验下p值都是小于0.05，说明Treatment和Improved之间相互不独立

自己数据的演示

结果解读：p值均为1，表明nitrogen和variety相互独立。

spearman_test()函数提供了两数值变量的独立性置换检验。

当处于不同组的观测已经被分配得当，或者使用了重复测量时，样本相关检验便可派上用场。

对于两配对组的置换检验，可使用wilcoxsign_test()函数；多于两组时，使用friedman_test()函数。

自己数据演示

lmPerm包可做线性模型的置换检验。比如lmp()和aovp()函数即lm()和aov()函数的修改版，能够进行置换检验，而非正态理论检验。

lmp()和aovp()函数的参数与lm()和aov()函数类似，只额外添加了perm =参数。

perm =选项的可选值有"Exact"、"Prob"或"SPR"。Exact根据所有可能的排列组合生成精确检验。Prob从所有可能的排列中不断抽样，直至估计的标准差在估计的p值0.1之下，判停准则由可选的Ca参数控制。SPR使用贯序概率比检验来判断何时停止抽样。注意，若观测数大于10，perm = "Exact"将自动默认转为perm = "Prob"，因为精确检验只适用于小样本问题。

简单线性回归的置换检验

R语言实战的例子：

多项式回归的置换检验

R语言实战的例子：

自己数据集的例子：

R语言实战的例子：

自己数据集的例子：

当两种方法所得结果不一致时，你需要更加谨慎地审视数据，这很可能是因为违反了正态性假设或者存在离群点。

R语言实战的例子：

自己数据集的例子：

R语言实战的例子：

自己数据集的例子：

R语言实战的例子：

自己数据集的例子：

值得注意的是，当将aovp()应用到方差分析设计中时，它默认使用唯一平方和法（SAS也称为类型III平方和）。每种效应都会依据其他效应做相应调整。R中默认的参数化方差分析设计使用的是序贯平方和（SAS是类型I平方和）。每种效应依据模型中先出现的效应做相应调整。对于平衡设计，两种方法结果相同，但是对于每个单元格观测数不同的不平衡设计，两种方法结果则不同。不平衡性越大，结果分歧越大。若在aovp()函数中设定seqs = TRUE，可以生成你想要的序贯平方和。

你可能已经注意到，基于正态理论的检验与上面置换检验的结果非常接近。在这些问题中数据表现非常好，两种方法结果的一致性也验证了正态理论方法适用于上述示例。

当然，置换检验真正发挥功用的地方是处理非正态数据（如分布偏倚很大）、存在离群点、样本很小或无法做参数检验等情况。不过，如果初始样本对感兴趣的总体情况代表性很差，即使是置换检验也无法提高推断效果。

置换检验主要用于生成检验零假设的p值，它有助于回答“效应是否存在”这样的问题。不过，置换方法对于获取置信区间和估计测量精度是比较困难的。幸运的是，这正是自助法大显神通的地方。

所谓自助法，即从初始样本重复随机替换抽样，生成一个或一系列待检验统计量的经验分布。无需假设一个特定的理论分布，便可生成统计量的置信区间，并能检验统计假设。

倘若你假设均值的样本分布不是正态分布，该怎么办呢？可使用自助法。

(1)从样本中随机选择10个观测，抽样后再放回。有些观测可能会被选择多次，有些可能一直都不会被选中。

(2)计算并记录样本均值。

(3)重复1和2一千次。

(4)将1000个样本均值从小到大排序。

(5)找出样本均值2.5%和97.5%的分位点。此时即初始位置和最末位置的第25个数，它们就限定了95%的置信区间。

boot包扩展了自助法和重抽样的相关用途。你可以对一个统计量(如中位数)或一个统计量向量(如一列回归系数)使用自助法。

一般来说，自助法有三个主要步骤。