跨多列进行t测试或整理数据 [英] T-tests across multiple columns or tidy the data

问题描述

新发布到Stack，因此对于任何问题，我们深表歉意。

我正在学习如何更好地使用R，目前正在考虑使用broom/purr一次运行多个统计测试。我当前数据的示例如下所示：

主题	PreScoreTestA	PostScoreTestA	PreScoreTestB	PostScoreTestB	PreScoreTestC	PostScoreTestC
1	30	40	6	8	12	10
2	15	12	9	13	7	7
3	20	22	11	12	9	10

但是涉及很多科目和更多的测试。我希望进行相关t检验，以查看培训计划过程中分数的变化，但不想为每个分数运行测试。

我见过几个使用GROUP BY、NEST和MAP运行多个t测试的示例，但他们的数据格式较长

有没有办法在格式宽泛的情况下实现相同的目标？或者我是否需要使用PIVOT_LONG来更改数据。

提前感谢！

ETA在此处进行了编辑，但提供的结果不正确，因此已删除仍在寻找有关参数和相同长度的帮助

ETA版本2

我确实找到了使用pairwise.t.test(下面的代码)的解决方法。它给出的p值与在各个评估中进行t.test相同。我很好奇为什么它可以用于pairtwe.t.test，而不能用于t.test。如果有人有什么想法，请告诉我！

    results <- testb %>%
     pivot_longer(-Subject, 
                   names_to = c("time", "test"), values_to = "score", 
                   names_pattern = "(Pre|Post)(.*)") %>%
     group_by(test) %>% 
     nest() %>% 
     mutate(ttests = map(.x=data, ~tidy(pairwise.t.test(.x$score, .x$time, paired = TRUE, p.adjust.method = "none")))) %>%  
     unnest(ttests)  

推荐答案

是，需要一些透视。假设您没有方向性假设，并且您想为每个测试做一次事后评估，这可能就是您想要的：

df <- as.data.frame(rbind(c(1,  30, 40, 6,  8,  12, 10),
                          c(2,  15, 12, 9,  13, 7,  7),
                          c(3,  20, 22, 11, 12, 9,  10)))

names(df) <- c("Subject",   
               "PrePushup", "PostPushup",   
               "PreRun",    "PostRun",  
               "PreJump",   "PostJump")

df %>% 
  pivot_longer(-Subject, 
               names_to = c("time", "test"), values_to = "score", 
               names_pattern = "(Pre|Post)(.*)") %>% 
  group_by(test) %>% 
  nest() %>% 
  mutate(t_tests = map(data, ~t.test(score ~ time, data = .x, paired = TRUE))) %>% 
  pull(t_tests) %>% 
  purrr::set_names(c("Pushup", "Run", "Jump"))

$Pushup

    Paired t-test

data:  score by time
t = 0.79241, df = 2, p-value = 0.5112
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -13.28958  19.28958
sample estimates:
mean of the differences 
                      3 


$Run

    Paired t-test

data:  score by time
t = 2.6458, df = 2, p-value = 0.1181
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -1.461250  6.127916
sample estimates:
mean of the differences 
               2.333333 


$Jump

    Paired t-test

data:  score by time
t = -0.37796, df = 2, p-value = 0.7418
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -4.127916  3.461250
sample estimates:
mean of the differences 
             -0.3333333 

这篇关于跨多列进行t测试或整理数据的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！