前言
专题目的：粗暴，简单，直接套用
如果我们想知道成对测量值（均值）之间是否有差异，可考虑配对 t 检验。
使用配对样本t检验，需要满足5个条件：
条件1：观察变量为连续变量。
条件2：观察变量为配对设计。
条件3：观察变量可分为2组，本研究中分为A方法和B方法两组，该条件满足。
条件4：观察变量不存在显著的异常值。
条件5：两个配对组别间观察变量的差值服从正态(或近似正态)分布。如不满足则用Wilcoxon符号秩和检验。
代码（含图）如下
懂的都懂，盒子上下那条打横的线才是精华～
#1.输入数据
# 组A
before <-c(15.4,25.3,25.6,34.7,28.8,18.9,30.0,36.7,25.8,27.7)
# 组B
after <-c(32.5,23.4,36.7,35.7,38.7,32.5,32.4,37.0,26.7,30.0)
#2.描述两组数据的基本情况(条件4，异常值判断)
#描述组A方法的基本情况
summary(before)
#描述组B方法的基本情况
summary(after)
##3.查看缺失值情况##(条件4，异常值判断)
is.na(before) #查看A方法是否存在缺失值
is.na((after) #查看B方法是否存在缺失值
#如未发现需要删除的异常值，则进行条件5(正态性检验)的判断
##4.绘制Q-Q图(正态性检验的判断）
d <- before - after #计算两组间差值
qqnorm(d) #绘制Q-Q图
qqline(d) #增加趋势线
#如Q-Q图上散点基本围绕对角线分布，提示数据呈正态分布；
##5.正态性检验(正态性检验的判断）
shapiro.test(d) #shapiro-Wilk正态性检验
#如“Shapiro-Wilk normality test (S-W正态性检验)”表格结果显示P=x>0.1，也提示数据服从正态分布（满足条件5）。
#所以可以进行配对样本t检验！
t.test(before,after,paired = TRUE)
#解读
#“Paired t-test (配对样本t检验)”
#运行结果中提供了统计学推断后的
#“t (统计量t)”、“df (自由度)”、“p-value (P值)”、
#推断结果、“mean of the differences(差值的均值)”及“95 percent confidence interval (95%可信区间，95%CI)”。
#可知A方法检测结果比B方法平均高“mean of the differences(差值的均值)”
#差异有统计学意义(t=xxx，如P<0.001)。
#6.作图 (每组有多少个就写多少个，这个例子是10个)
data <- data.frame(subject = rep(c(1:10), 2),
time = rep(c("before", "after"), each = 10),
score = c(before, after))
print(data)
str(data)
attach(data)
par(pty = "s")
#黑白箱形图
boxplot(score ~ time)
#有颜色的箱形图
boxplot(score ~ time,
col = c("#003C67FF", "#EFC000FF"),
main = "Title",
xlab = "Time", ylab = "Score")
网友评论