两个样本的Student's t-test (2)

Source: http://www.r-bloggers.com/two-sample-students-t-test-2/

两个独立群组平均的比较，这里的两个群组从两个方差未知且样本方差不同质的总体抽取。

我们想比较两个个体群组的身高，单位inches。这里是测量数据：

A: 175, 168, 168, 190, 156, 181, 182, 175, 174, 179
B: 120, 180, 125, 188, 130, 190, 110, 185, 112, 188

如前面的《两个样本的Student's t-test (1)》，我们必须首先用Fisher's F-test来检验方差是否同质：

a = c(175, 168, 168, 190, 156, 181, 182, 175, 174, 179)
 b = c(120, 180, 125, 188, 130, 190, 110, 185, 112, 188)

var.test(b,a)

    F test to compare two variances

data: b and a
F = 14.6431, num df = 9, denom df = 9, p-value = 0.0004636
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
   3.637133 58.952936
sample estimates:
 ratio of variances
   14.64308

我们获得的p-value小于0.05，于是两个方差不同质。实际上我们能比较计算的F值和查表的F值（alpha=0.05，分子自由度=9，分母自由度=9），由函数qf(p, df.num, df.den)计算：

qf(0.95, 9, 9)
[1] 3.178893

计算的F大于查表的F，因此我们能拒绝方差同质的null hypothesis H0。

为比较以上两个群组，我们使用不同质方差的t.test函数（var.equal = FALSE，因为是默认值，也可以省略），并且样本独立（paired = FALSE，也因为默认值而可以省略），过程如下：

t.test(a,b, var.equal=FALSE, paired=FALSE)

    Welch Two Sample t-test

data: a and b
t = 1.8827, df = 10.224, p-value = 0.08848
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
    -3.95955 47.95955
sample estimates:
mean of x mean of y
    174.8     152.8

正如我们在标题中看到，你进行了两个样本的t-test，自由度的计算使用Welch-Satterthwaite的公式（公式结果为df = 10.224），其用于方差不同质的情况。Welch-Satterthwaite方程也称作Dixon-Massey公式。我们获得的p-value大于0.05，于是我们能论断两个群组的均值显著相似（尽管p-value非常接近阈值0.05）。实际上t值小于自由度为10.224的查表t值，R中计算为：

qt(0.975, 10.224)
[1] 2.221539

我们能接受均值相等的null hypothesis H0。

Welch-Satterthwaite formula:

$$df=\frac{\sum deviance(X)}{\sum df(X)}=\frac{\sum_{i=1}^{k} (\sum_{j=1}^{n} (X_i_j - \bar{X_i})^2}{\sum_{i=1}^{k}(n_i-1)}$$


Dixon-Massey formula:

$$df=\frac{\left(\frac{\displaystyle S_1^2}{\displaystyle n_1}+\frac{\displaystyle S_2^2}{\displaystyle n_2}\right)^2}{\frac{\displaystyle\left(\frac{\displaystyle S_1^2}{\displaystyle n_1}\right)^2}{\displaystyle n_1-1}+\frac{\displaystyle\left(\frac{\displaystyle S_2^2}{\displaystyle n_2}\right)^2}{\displaystyle n_2-1}}$$