技術標籤：r語言 adf檢驗

在今天的內容，我將向大家介紹如何在R語言裡進行t檢驗分析，暫不涉及相關統計理論。

R語言提供t.test()函式可以進行各種各樣的t檢驗。與其他統計包不同的是，t.test()函式預設資料是異方差的，並採用Welch方法矯正自由度，關於異方差和Welch方法我會在後續的內容中詳細介紹，大家先有一個印象即可。

在這裡我將利用R裡內建的鳶尾花資料集（iris）向大家展示如何進行t檢驗，這裡iris資料集是由150朵鳶尾花的花瓣長度、花瓣寬度、花萼長度、花萼寬度以及鳶尾花種類組成。

setosa <- iris[which(iris$Species=='setosa'),] #提取setosa類的鳶尾花
versicolor <- iris[which(iris$Species=='versicolor'),] #提取versicolor類的鳶尾花
mydata <- rbind(setosa,versicolor) #按行合併資料集

# 獨立雙樣本t檢驗
t.test(y~x) # y是一個數值型向量，而x是一個二分類變數
t.test(mydata$Sepal.Length~mydata$Species) #檢驗不同鳶尾花花萼長度差異
 

從這裡我們可以看出兩種不同的鳶尾花（setosa和versicolor）在花萼長度上有顯著的差異（p-value < 2.2e-16），同時可以看出setosa的花萼比較短（mean=5.006）。

# 獨立雙樣本t檢驗
t.test(y1,y2) # y1和y2均為數值型向量

t.test(setosa$Sepal.Length, versicolor$Sepal.Length) #檢驗不同鳶尾花花萼長度差異

# 配對t檢驗
t.test(y1,y2,paired=TRUE) # y1和y2均為數值型向量 
# 單樣本t檢驗
t.test(y,mu=3) # 原假設H0:mu=3(mu就是指總體的均值)
# 這裡就不贅述配對t檢驗和單樣本t檢驗，它們的使用方法和兩獨立樣本t檢驗類似，只是分別多了引數paired=TRUE和mu=3。
 

當然，在這裡你也可以設定引數var.equal=TURE,指定樣本之間是等方差的，也可以通過alternative=這個引數來指定單側檢驗。

以兩獨立樣本t檢驗為例看看同方差和單側檢驗和前面的結果有何區別:

t.test(Sepal.Length~Species,var.equal=TRUE) #檢驗不同鳶尾花花萼長度差異

可以看出，這裡的自由度df=98和之前的自由度df=86.538是不一樣的，因為Welch主要通過調整自由度來矯正異方差性。

t.test(Sepal.Length~Species,alternate= "greater") #檢驗不同鳶尾花花萼長度差異
 

好了，關於t檢驗的內容就分享到這裡，大家先學會如何使用R進行t檢驗分析即可，後續我會介紹相關理論！