在管道内收集 p 值 (dplyr)

Question

你好吗？

所以，我有一个如下所示的数据集：

    dirtax_trev indtax_trev lag2_majority pub_exp 
    <dbl>       <dbl>       <dbl>         <dbl>    
    0.1542      0.5186      0             9754
    0.1603      0.4935      0             9260      
    0.1511      0.5222      1             8926     
    0.2016      0.5501      0             9682
    0.6555      0.2862      1             10447

我遇到以下问题。我想沿着一个虚拟变量（lag2_majority）执行一系列 t.tests，收集这个测试的 p 值，并使用管道将其归因于一个向量。

下面选择了我要运行这些 t-tests 的所有变量，然后我省略了我的 t.test 变量 (lag2_majority) 的 NA 值，然后我尝试用这段代码对其进行总结：

test <- g %>%
 select(dirtax_trev, indtax_trev, gdpc_ppp, pub_exp, 
 SOC_tot, balance, fdi, debt, polity2, chga_demo, b_gov, social_dem,
 iaep_ufs, gini, pov4, informal, lab, al_ethnic, al_language, al_religion,
 lag_left, lag2_left, majority, lag2_majority, left, system, b_system,
 execrlc, allhouse, numvote, legelec, exelec, pr) %>%
 na.omit(lag2_majority) %>%
 summarise_all(funs(t.test(.[lag2_majority], .[lag2_majority == 1])$p.value))

但是，一旦我运行它，我得到的响应是：Error in summarise_impl(.data, dots): Evaluation error: data are essentially constant.，这令人困惑，因为沿虚拟变量的均值存在明显差异。当我将上述代码的最后一行替换为：summarise_all(funs(t.test(.~lag2_majority)$p.value)) 时，出现同样的错误。

另外，因为我想做的只是：t.test(dirtax_trev~lag2_majority, g)$p.value，例如，我想我可以做一个循环，像这样： for (i in vars){ t.test(i~lag2_majority, g)$p.value },

其中 vars 是一个对象，其中包含在上述代码中选择的所有变量。但我再次收到一条错误消息。具体来说，这个：Error in model.frame.default(formula = i ~ lag2_majority, data = g): comprimentos das variáveis diferem (encontradas em 'lag2_majority')

我做错了什么？

最好的问候！

Answer 1

您的问题无法重现，请阅读this 了解如何提高其质量。

我的答案已被概括为可重现，因为我没有您的数据，因此无法直接调整您的代码。

使用 tidy 方法，我将为每个变量生成一个 p-values 数据框。

library(tidyr)
library(dplyr)
library(purrr)

mtcars %>%
  select_if(is.numeric) %>%
  map(t.test) %>%
  lapply(`[[`, "p.value") %>%
  as_tibble %>%
  gather(key, p.value)

# # A tibble: 11 x 2
#     key      p.value
#   <chr>        <dbl>
# 1   mpg 1.526151e-18
# 2   cyl 5.048147e-19
# 3  disp 9.189065e-12
# 4    hp 2.794134e-13
# 5  drat 1.377586e-27
# 6    wt 2.257406e-18
# 7  qsec 7.790282e-33
# 8    vs 2.776961e-05
# 9    am 6.632258e-05
# 10 gear 1.066949e-23
# 11 carb 4.590930e-11

更新

感谢您更新您的问题，请注意，您在之前的评论中包含的值可能来自您的原始数据集，并且在这里仍然无法重现。当我运行代码时，这是输出。

t.test(dirtax_trev ~ lag2_majority, g)$p.value
# [1] 0.5272474

请以任何人都可以像您一样看到问题的方式来构建您的问题。

为了建立您通过t.test 运行的公式，我采用了稍微不同的方法。

library(magrittr)
library(dplyr)
library(purrr)

g <- tribble(
  ~dirtax_trev, ~indtax_trev, ~lag2_majority, ~pub_exp,
  0.1542, 0.5186, 0, 9754,
  0.1603, 0.4935, 0, 9260,
  0.1511, 0.5222, 1, 8926,
  0.2016, 0.5501, 0, 9682,
  0.6555, 0.2862, 1, 10447
)

dummy <- "lag2_majority"

colnames(g) %>%
  .[. != dummy] %>%          # vector of variables to send through t.test
  paste(., "~", dummy) %>%   # build formula as character
  map(as.formula) %>%        # convert to formula class
  map(t.test, data = g) %$%  # run t.test for each, note the special operator
  tibble(
    data.name = unlist(lapply(., `[[`, "data.name")),
    p.value = unlist(lapply(., `[[`, "p.value"))
  )

# # A tibble: 3 x 2
#                      data.name   p.value
#                          <chr>     <dbl>
# 1 dirtax_trev by lag2_majority 0.5272474
# 2 indtax_trev by lag2_majority 0.5021217
# 3     pub_exp by lag2_majority 0.8998690

如果您希望从data.name 中删除虚拟变量名称，您可以在tibble 中修改其分配：

data.name = unlist(strsplit(unlist(lapply(., `[[`, "data.name")), paste(" by", dummy)))

注意我使用来自magrittr 的特殊%$% 来公开测试列表中的名称以构建数据框。我敢肯定还有其他更优雅的方法，但是，我发现这种形式很容易推理。