按因子应用 t.test

Question

我的数据如下所示：

Replicate    Group   Value
1            A       1.0
1            A       1.1
1            A       1.1
1            B       2.0
1            B       2.0
1            B       2.2
2            A       1.1
2            A       1.2
2            A       0.9
2            B       2.2
2            B       2.4

我想使用 t.test() 来获得 A 和 B 之间的均值差异、p 值以及每个单独复制的 95% CI。我怎样才能最轻松地做到这一点？

这是将上面的玩具示例放入数据框的代码：

df = data.frame("Replicate"=c(1,1,1,1,1,1,2,2,2,2,2), "Group"=c("A","A","A","B","B","B","A","A","A","B","B"), "Value"= c(1.0, 1.1, 1.1, 2.0, 2.0, 2.2, 1.1, 1.2, 0.9, 2.2, 2.4))

感谢您的帮助！

Answer 1

我不完全确定我理解您所说的“对于每个单独的副本”是什么意思。为了表征不同Groups 在Values 之间的均值差异，我们可以将t.test 中的formula 指定为

ttest <- t.test(Value ~ Group, data = df)
ttest
#
#Welch Two Sample t-test
#
#data:  Value by Group
#t = -12.729, df = 6.4248, p-value = 8.52e-06
#alternative hypothesis: true difference in means is not equal to 0
#95 percent confidence interval:
#-1.3001853 -0.8864814
#sample estimates:
#mean in group A mean in group B
#  1.066667        2.160000

95% CI 由下式给出

ttest$conf.int
#[1] -1.3001853 -0.8864814
#attr(,"conf.level")
#[1] 0.95

---

再想一想，如果您真的想对来自Replicate 1 和 2 的测量值执行单独的 t 检验，我们可以 group_by Replicate、nest 每个 Replicate 的数据，然后是 @987654333 @a t.test 到嵌套数据。然后我们可以从t.test per Replicate 中提取相关数量：

library(tidyverse)
df %>%
    group_by(Replicate) %>%
    nest() %>%
    mutate(ttest = map(data, ~t.test(Value ~ Group, .x))) %>%
    transmute(
        Replicate,
        diff = map_dbl(ttest, ~.x$estimate[1] - .x$estimate[2]),
        pval = map_dbl(ttest, ~.x$p.value),
        CI = map(ttest, ~data.frame(CI.low = .x$conf.int[1], CI.high = .x$conf.int[2]))) %>%
    unnest()
## A tibble: 2 x 5
#  Replicate  diff     pval CI.low CI.high
#      <dbl> <dbl>    <dbl>  <dbl>   <dbl>
#1         1 -1.   0.000990  -1.24  -0.760
#2         2 -1.23 0.00599   -1.72  -0.746