循环遍历 r 中数据帧子集的 t.tests

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，学生被分为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 组与所有其他组的每个变量进行 t 检验，以识别与该组显着不同的属性。我希望提取每个测试的 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

我一直在试图弄清楚如何创建一个循环来执行此操作，而不是一次写出每个测试。我尝试过 for 循环和 lapply，但到目前为止我还没有任何运气。

我对此相当陌生，所以任何帮助将不胜感激。

考特尼

Answer 1

您的示例数据不足以实际对所有子组进行 t 检验。因此，我采用了iris包含 3 种植物的数据集：Setosa、Versicolor 和 Virginica。这些是我的小组。您必须相应地调整您的代码。下面我将展示如何测试一组与所有其他组、一组与其他组以及各个组的所有组合。

一组与所有其他组的组合：

首先，假设我想将 Versicolor 和 Virginica 与 Setosa 进行比较，即 Setosa 是我的，group 1所有其他组都应该与它进行比较。实现您想要的目标的一个简单方法如下：

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，我提供了数据集中不同变量的名称names(iris)- 不包括指示分组变量的列[-ncol(iris)]（因为它是最后一列） - 作为向量sapply，它将相应的名称作为参数传递给我定义的函数。

一组与其他组的比较：

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

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

这里Var1是不同的物种，以及Var2要进行比较的不同变量。在这种情况下，引用group 1或 Setosa 是隐含的。现在，我可以用来apply创建测试。我通过使用comps带有两个元素的每一行作为参数来实现此目的，第一个元素指示轮到哪个组，第二个参数指示应比较哪个变量。这些将用于对原始数据帧进行子集化。

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

其中组 1 又名 Setosa 在函数中被硬编码。这为我提供了一个数据框，其中包含所有组合的 p 值（以 Setosa 作为参考组），以便轻松查找它们：

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

所有组的组合：

您可以轻松扩展上述内容以生成一个数据框，其中包含每个组组合的 t 检验的 p 值。一种方法是：

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

现在有三列。前两个是组，第三个是变量：

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

您可以使用它来进行测试：

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 
} )

我收到一条错误消息：我该怎么办？

t.test如果样本量太小或者一组的值是恒定的，则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群体中，而且你可能事先不知道它是哪一个群体。然而，该错误会中断对 的整个函数调用apply，并且您将看不到任何结果。

避免这种情况并识别有问题的组的一种方法是包装该函数t.test（dplyr::failwith另请参阅?tryCatch）。为了展示其工作原理，请考虑以下事项：

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"

这样，每当t.test抛出错误时，您都会得到一个字符作为结果，并且计算会继续与其他组一起进行。不用说，您也可以设置default为数字或其他任何值。它不一定是一个角色。

统计免责声明： 说了所有这些，请注意，进行多次 t 检验不一定是良好的统计实践。您可能需要调整 p 值以考虑多次测试，或者您可能需要使用进行联合测试的替代测试程序。