我尝试对以下数据帧使用 R 进行 t 检验。
df <- structure(list(freq = c(9, 11, 14, 12, 10, 9, 16, 10, 11, 15,
13, 12, 12, 13, 13, 9, 16, 14, 12, 15, 16, 10, 11, 13, 14, 14,
14, 16, 8, 10, 14, 14, 11, 11, 11, 11, 13, 7, 12, 13, 14, 11,
11, 13, 10, 14, 10, 10, 12, 8, 9, 12, 14, 11, 12, 12, 14, 14,
14, 15, 12, 13, 14, 8, 9, 11, 10, 14, 12, 12, 9, 10, 8, 14, 11,
14, 9, 13, 13, 13, 10, 9, 13, 10, 13, 10, 13, 12, 11, 12, 10,
12, 8, 11, 12, 15, 12, 12, 11, 13, 12, 10, 13, 9, 11, 9, 11,
8, 12, 12, 12, 10, 11, 12, 9, 13, 14, 11, 11, 14, 13, 12, 14,
15, 12, 12, 12, 14), class = structure(c(3L, 3L, 2L, 2L, 2L,
2L, 2L, 3L, 2L, 3L, 4L, 4L, 4L, 4L, 3L, 2L, 3L, 2L, 1L, 4L, 1L,
4L, 1L, 4L, 2L, 2L, 3L, 3L, 2L, 4L, 1L, 4L, 4L, 4L, 3L, 3L, 3L,
2L, 1L, 4L, 3L, 3L, 1L, 4L, 1L, 2L, 2L, 3L, 3L, 4L, 2L, 2L, 3L,
3L, 2L, 2L, 2L, 1L, 1L, 2L, 1L, 1L, 4L, 1L, 1L, 1L, 2L, 2L, 3L,
2L, 3L, 2L, 3L, 3L, 4L, 2L, 1L, 4L, 1L, 1L, 3L, 2L, 2L, 2L, 3L,
1L, 1L, 1L, 1L, 3L, 4L, 4L, 4L, 4L, 4L, 1L, 1L, 1L, 3L, 3L, 4L,
4L, 3L, 4L, 4L, 4L, 4L, 3L, 3L, 1L, 4L, 4L, 1L, 4L, 4L, 1L, 3L,
1L, 2L, 2L, 1L, 2L, 1L, 1L, 3L, 3L, 2L, 1L), .Label = c("ending",
"mobile", "stem.first", "stem.second"), class = "factor")), .Names = c("freq",
"class"), row.names = c(NA, -128L), class = "data.frame")
正如我在上一篇文章中读到的，在 R 中有不止一种方法可以做到这一点。我尝试使用t.test-function 和使用pairwise.t.test-function。
对于使用，t.test我通过要比较的类对数据帧进行了子集化，并在子集上运行了后续的 t 检验。
ending.vs.mobile <- df[df$class=="ending"|df$class=="mobile",]
ending.vs.first <- df[df$class=="ending"|df$class=="stem.first",]
ending.vs.second <- df[df$class=="ending"|df$class=="stem.second",]
mobile.vs.first <- df[df$class=="mobile"|df$class=="stem.first",]
mobile.vs.second <- df[df$class=="mobile"|df$class=="stem.second",]
first.vs.second <- df[df$class=="stem.first"|df$class=="stem.second",]
t.test(ending.vs.mobile$freq ~ ending.vs.mobile$class, var.equal=T)
t.test(ending.vs.first$freq ~ ending.vs.first$class, var.equal=T)
t.test(ending.vs.second$freq ~ ending.vs.second$class, var.equal=T)
t.test(mobile.vs.first$freq ~ mobile.vs.first$class, var.equal=T)
t.test(mobile.vs.second$freq ~ mobile.vs.second$class, var.equal=T)
t.test(first.vs.second$freq ~ first.vs.second$class, var.equal=T)
据我所知（这里我可能错了）pairwise.t.test这里会更方便，因为我不需要创建所有子集并且可以在原始数据帧上运行它。
pairwise.t.test(df$freq, df$class, p.adjust.method="none", paired=FALSE, pooled.sd=FALSE)
但是，我在这里得到了不同的结果，最明显的是比较结尾与 stem.second 的比较：p=0.7 usingt.test和 p=0.1 using pairwise.t.test。
这里有什么问题？我在哪里做过某事。错误的？
虽然问题本身解决了，但我认为它发生的原因让我有点偏执（不再相信自己）：仅仅通过输入pooled.sd而不是pool.sd我没有得到我期望的结果。这不是很容易出错吗？
在许多其他情况下，您可以键入变体，例如bonfor bonferroni、fa()orfactor()等。但是这里pooled.sd完全被忽略了，尽管实际上是“pooled sd”。好吧，如果你彻底阅读了输出的标题，你可以猜到它pooled.sd没有被识别出来，因为它仍然说“t tests with pooled SD”但是如果我什至不打印这个怎么办，例如当将输出传输到自我时 -写函数？有可能永远无法识别此错误。
我应该写信给 R 的一些开发人员，在 R 的未来版本中，这两种拼写变体都应该有效吗？
问题不在于 p 值校正，而在于（声明）方差假设。你var.equal=T在你的t.test电话和pooled.sd=FALSE你的pairwise.t.test电话中使用过。但是， 的论点pairwise.t.test是pool.sd，不是pooled.sd。改变这一点，得到的 p 值等同于对t.test
pairwise.t.test(df$freq, df$class, p.adjust.method="none",
paired=FALSE, pool.sd=FALSE)