Question

我有一个包含32个变量的数据框'math.numeric'。每行代表一个学生，每个变量都是一个属性。根据最终成绩，学生分为5组。

数据如下：

head(math.numeric)
school sex age address famsize Pstatus Medu Fedu Mjob Fjob reason ... group
1      1   18  2       1       1       4    4    1    5    1          2
1      1   17  2       1       2       1    1    1    3    1          2
1      1   15  2       2       2       1    1    1    3    3          3
1      1   15  2       1       2       4    2    2    4    2          4
1      1   16  2       1       2       3    3    3    3    2          3
1      2   16  2       2       2       4    3    4    3    4          4

我正在对第1组和所有其他组的每个变量执行t检验，以确定与该组显着不同的属性。我希望得出每个测试的p值，例如：

t.test(subset(math.numeric$school, math.numeric$group == 1),
      subset(math.numeric$school, math.numeric$group != 1))$p.value
t.test(subset(math.numeric$sex, math.numeric$group == 1), 
        subset(math.numeric$sex, math.numeric$group != 1))$p.value
t.test(subset(math.numeric$age, math.numeric$group == 1), 
        subset(math.numeric$age, math.numeric$group != 1))$p.value

我一直试图找出如何创建循环来执行此操作，而不是一次写出每个测试。我尝试了一个for循环，然后lapply，但到目前为止我还没有运气。

我对此很新，所以任何帮助都会受到赞赏。

考特尼

Answer 1

您的示例数据不足以实际对所有子组执行t检验。出于这个原因，我采用iris数据集，其中包含3种植物：Setosa，Versicolor和Virginica。这些是我的团体。您必须相应地调整代码。下面我将展示如何测试一组与所有其他组，一组与另一组以及各组的所有组合。

一组与所有其他组合：

首先，让我们说我想将Versicolor和Virginica与Setosa进行比较，即Setosa是我应该比较所有其他组的group 1。实现目标的简便方法如下：

sapply(names(iris)[-ncol(iris)], function(x){
             t.test(iris[iris$Species=="setosa", x], 
                    iris[iris$Species!="setosa", x])$p.value 
                    })
Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
7.709331e-32 1.035396e-13 1.746188e-69 1.347804e-60

在这里，我提供了数据集names(iris)中不同变量的名称 - 排除了指示分组变量[-ncol(iris)]的列（因为它是最后一列） - 作为{{1的向量将相应的名称作为参数传递给我定义的函数。

一组与其他每组相比：

如果您想对所有组进行分组比较，以下内容可能会有所帮助：首先，创建您要执行的所有组x变量组合的数据框，不包括分组变量本身和参考组，课程。这可以通过以下方式实现：

sapply

在这里，comps <- expand.grid(unique(iris$Species)[-1], # excluding Setosa as reference group names(iris)[-ncol(iris)] # excluding group column ) head(comps) Var1 Var2 1 versicolor Sepal.Length 2 virginica Sepal.Length 3 versicolor Sepal.Width 4 virginica Sepal.Width 5 versicolor Petal.Length 6 virginica Petal.Length是不同的物种，Var1是要进行比较的不同变量。在这种情况下，引用Var2或Setosa是隐含的。现在，我可以使用group 1来创建测试。我通过使用apply的每一行作为参数来实现这一点，其中两个元素，第一个表示它是哪个组，第二个参数表示应该比较哪个变量。这些将用于原始数据框的子集。

comps

其中组1又名Setosa在函数中是硬编码的。这给了我一个包含所有组合的p值的数据框（以Setosa作为参考组），以便它们易于查找：

comps$pval <- apply(comps, 1, function(x) {
    t.test(iris[iris$Species=="setosa", x[2]], iris[iris$Species==x[1], x[2]])$p.value 
    } )

所有群组：

您可以轻松扩展上述内容，以生成包含每个组合组合的t检验p值的数据框。一种方法是：

head(comps)
        Var1         Var2         pval
1 versicolor Sepal.Length 3.746743e-17
2  virginica Sepal.Length 3.966867e-25
3 versicolor  Sepal.Width 2.484228e-15
4  virginica  Sepal.Width 4.570771e-09
5 versicolor Petal.Length 9.934433e-46
6  virginica Petal.Length 9.269628e-50

现在有三列。前两个是组，第三个是变量：

comps <- expand.grid(unique(iris$Species), unique(iris$Species), names(iris)[-ncol(iris)])

您可以使用它来执行测试：

head(comps)
        Var1       Var2         Var3
1     setosa     setosa Sepal.Length
2 versicolor     setosa Sepal.Length
3  virginica     setosa Sepal.Length
4     setosa versicolor Sepal.Length
5 versicolor versicolor Sepal.Length
6  virginica versicolor Sepal.Length

我收到一条错误消息：我该怎么办？

如果样本量太小或者某个值的值不变，

comps$pval <- apply(comps, 1, function(x) { t.test(iris[iris$Species==x[1], x[3]], iris[iris$Species==x[2], x[3]])$p.value } )可能会抛出错误消息。这是有问题的，因为它可能只发生在特定的组中，并且您可能事先不知道它是哪一个。然而，该错误将破坏对t.test的整个函数调用，并且您将无法看到任何结果。

绕过这一点并识别有问题的组的方法是将函数apply包裹在t.test周围（另请参阅dplyr::failwith）。要说明其工作原理，请考虑以下事项：

?tryCatch

这样，只要smalln <- data.frame(a=1, b=2) t.test(smalln$a, smalln$b) > Error in t.test.default(smalln$a, smalln$b) : not enough 'x' observations failproof.t <- failwith(default="Some default of your liking", t.test, quiet = T) failproof.t(smalln$a, smalln$b) [1] "Some default of your liking"抛出错误，就会得到一个字符作为结果，并继续计算其他组。不用说，您也可以将t.test设置为数字或其他任何内容。它不一定是一个角色。

统计免责声明： 说完所有这些后，请注意进行几次t检验并不一定是好的统计实践。您可能希望调整p值以考虑多次测试，或者您可能希望使用进行联合测试的替代测试程序。

Answer 2

怎么样？

pvals <- numeric() #the vector of p values
k <- 1 #in case you choose to use a subset not continuing from 1

# "for(i in seq(1,5))" is just doing the pvalues for the first 5 columns. You could do a 
# list, like "c(1,2,4)" (in place of "seq(1,5)"), to do tests for columns 1, 2, and 4. 
# To do all of the columns, try "for(i in seq(1,(ncol(math.numeric)-1)))".

for(i in seq(1,5)){

  # using your code to grab the p-values and store them in the kth element of "pvals"
  pvals[k] <- t.test(subset(math.numeric[,i], math.numeric$group == 1),
         subset(math.numeric[,i], math.numeric$group != 1))$p.value    

  #iterating the "pvals" vector entry counter
  k=k+1
}
pvals #printing the p values for each test

Answer 3

考虑按组拆分数据框并在列之间使用mapply()。输出成为测试统计的编译列表：统计，参数，p值，confid。间隔等。

# FILTER ROWS AND SUBSET NUMERIC COLS
group1df <- df[df$group==1, 1:ncol(df)-1]
othgroupdf <- df[df$group!=1, 1:ncol(df)-1]

# T-TEST FCT
tfct <- function(v1, v2){
      t.test(v1, v2) 
}

# RUN T-TESTS BY COL, SAVE RESULTS TO LIST
ttests <- mapply(tfct, group1df, othgroupdf)

循环遍历r中的数据帧子集的t.tests

3 个答案: