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)