R语言笔记-连续型变量组间差异比较

示例数据： MASS包中的 birthwt数据集。
首先将数据集中的分类变量因子化，具体参考 这里。

独立样本t检验

方差齐性检验 （两组）：var.test()

语法：var.test(连续变量名~分组变量名,data=数据框名)

> var.test(bwt~smoke,data=birthwt)

	F test to compare two variances

data:  bwt by smoke
F = 1.3019, num df = 114, denom df = 73, p-value = 0.2254 # P值>0.05，表示可认为方差齐性
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
 0.8486407 1.9589574
sample estimates:
ratio of variances 
          1.301927 

独立样本t检验：t.test()

语法：t.test(连续变量名,分组变量名,var.equal=[TRUE/FALSE],data=数据框名)
根据方差齐性检验结果，声明var.equal值 （默认为FALSE）

> t.test(bwt~smoke,data=birthwt,var.equal=TRUE)

	Two Sample t-test

data:  bwt by smoke
t = 2.6529, df = 187, p-value = 0.008667 # 读取P值
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
  72.75612 494.79735 # 组0减去组1的差的95%CI
sample estimates:
mean in group 0 mean in group 1  # 组0和组1所在总体均值的估计值
       3055.696        2771.919 

若要返回非95%CI （如99%CI），需要额外声明参数conf.level。

非独立样本t检验

即配对样本t检验。语法类似于独立样本t检验，仅需声明参数paired=TRUE即可：
t.test(连续变量名,分组变量名,var.equal=[TRUE/FALSE],data=数据框名,paired=TRUE)

单因素方差分析 (ANOVA)

首先，复习单因素ANOVA应用条件：

• 需比较的组≥3个
• 可认定各组数据是从正态总体中独立抽样得到的 （正态性检验）