R语言怎么实现T检验及可视化

本文小编为大家详细介绍“R语言怎么实现T检验及可视化”，内容详细，步骤清晰，细节处理妥当，希望这篇“R语言怎么实现T检验及可视化”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。在R语言中T检验用的方法为:t.test(),如果数据不符合正态分布，也就是数据当中有较大的离群值时，可选用非参数秩和检验法，如Wilcoxon test，R语言中对应的方法为：wilcox.test()。关于检验方法的选择可参考：差异统计检验如何选择

单样品T检验

例：某鱼塘水的含氧量多年平均值为4.5mg/L，现在该鱼塘设10点采集水样，问该次抽样的水中含氧量与多年平均值是否有显著差异。

#数据
s<-c(4.33,4.62,3.89,4.14,4.78,4.64,4.52,4.55,4.48,4.26)
shapiro.test(s)   #如果P>0.05 符合正态分布
t.test(s,mu=4.5)  #T检验, 如果 P>0.05 相等

非配对两样本T检验

例：为了了解某一降血压药物的效果，将28名高血压病患者随机等分到实验组和对照组，实验组采用新降压药物，对照组则用标准药物治疗，测得治疗前后舒张压的差值如下。问新药和标准药的疗效是否不同？

high<-c(134,146,106,119,124,161,107,83,113,129,97,123)
low<-c(70,118,101,85,107,132,94)
x<-c(high,low)
group<-c(rep("high",12),rep("low",7))

#正态性检验，wilcox.test()
shapiro.test(high)  #如果P>0.05 符合正态分布
shapiro.test(low)   #如果P>0.05 符合正态分布

#方差齐性检验:如果P>0.05 方差齐
bartlett.test(x~group)
#方法二：car包中leveneTest 检验，spss统计软件默认的检验方法
leveneTest(x~group) 

#T检验, 如果 P<0.05 存在差异

t.test(high,low,paired=F,var.equal=T)   #如果方差不齐，可更改：var.equal=F,
#或者：
t.test(x~group,paired=F,var.equal=T)

配对两样本T检验

例：为了解DSCT冠状动脉造影和超声心动图检查两种方法测定心脏病患者左室舒张末容积的差别，某医院收集心脏病患者12例，同时分别用两种检测方法测得其大小如下，问两种检测方法的检测结果是否不同？

ds<-c(82.5,85.2,87.6,89.9,89.4,90.1,87.8,87.0,88.5,92.4)
cs<-c(91.7,94.2,93.3,97.0,96.4,91.5,97.2,96.2,98.5,95.8)

#方差齐性检验，car包中leveneTest
leveneTest(ds,cs) 
#作差，正态性检验
#差值正态性检验，差值符合正态分布（P>0.05）
d<-ds-cs
shapiro.test(d)

#配对T检验
t.test(ds,cs,paired=T,alternative="two.sided",conf.level=0.95)

统计检验及绘图-ggpubr

ggpubr包既可以做检验，有可以对统计结果进行整理绘图，输出结果比t检验更加友好。

例：男女之间的体重是否存在差异，分别随机选取9个男女测量体重，数据：

women_weight <- c(38.9, 61.2, 73.3, 21.8, 63.4, 64.6, 48.4, 48.8, 48.5)
men_weight <- c(67.8, 60, 63.4, 76, 89.4, 73.3, 67.3, 61.3, 62.4) 
mydata <- data.frame( 
                group = rep(c("Woman", "Man"), each = 9),
                weight = c(women_weight,  men_weight)
                )

#统计检验

com1 <- compare_means( weight~ group , data = mydata, method = "t.test")

#结果P=0.015，小于0.05，具有显著差异：
#.y.    group1 group2      p p.adj p.format p.signif method

# weight Man    Woman  0.0154 0.015 0.015    *        T-test

绘图显示

install.packages("ggpubr")
library(ggpubr)
p <- ggboxplot(mydata, x="group", y = "weight", color = "group", palette = "jco", add = "jitter",  short.panel.labs = FALSE)

# 添加p值
p + stat_compare_means(method = "t.test",label.y=100)
# 显示p值但不显示方法
p + stat_compare_means(aes(label = ..p.format..),method = "t.test",label.x = 1.5)

# 只显示显著性水平
p + stat_compare_means(aes(label = ..p.signif..),method = "t.test",label.x = 1.5)

读到这里，这篇“R语言怎么实现T检验及可视化”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注亿速云行业资讯频道。