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。根据学生的最终成绩将他们分为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
我正在对组1与所有其他组的每个变量进行t检验，以识别该组的显着不同的属性。我希望为每个测试提取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))$p.value
我一直试图弄清楚如何创建一个循环来执行此操作，而不是一次写出每个测试。我已经尝试过for循环，但是很幸运，但是到目前为止我还没有碰到任何运气。
我对此还很陌生，因此我们将不胜感激。
考特尼
最佳答案
您的示例数据不足以实际对所有子组进行t检验。出于这个原因，我采用了iris数据集，其中包含3种植物：Setosa，Versicolor和Virginica。这些是我的团体。您将不得不相应地调整代码。下面，我展示了如何测试一组与所有其他组，一组与另一组以及各个组的所有组合。
一组与所有其他组的总和：
首先，假设我想将Versicolor和Virginica与Setosa进行比较，即Setosa是我的group 1，所有其他组应与之比较。以下是实现所需目标的一种简单方法：
sapply(names(iris)[-ncol(iris)], function(x){
t.test(iris[iris$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
names(iris)中不同变量的名称-排除了指示分组变量[-ncol(iris)]的列（因为它是最后一列）-作为sapply的向量，其将相应的名称传递为我定义的函数的参数。一组与其他各组：
如果要对所有组进行逐组比较，则可能会有所帮助：首先，创建要进行的所有组x变量组合的数据框，当然要排除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$Species)[-1], # excluding Setosa as reference group
names(iris)[-ncol(iris)] # excluding group column
)
head(comps)
Var1 Var2
1 versicolor Sepal.Length
2 virginica Sepal.Length
3 versicolor Sepal.Width
4 virginica Sepal.Width
5 versicolor Petal.Length
6 virginica Petal.Length
在这里，
Var1是不同的种类，而Var2是要进行比较的不同变量。在这种情况下，引用group 1或Setosa是隐式的。现在，我可以使用apply创建测试。我通过使用comps的每一行作为带有两个元素的参数来执行此操作，其中第一个参数指示轮到哪个组，第二个参数指示应比较哪个变量。这些将用于子集原始数据帧。comps$pval <- apply(comps, 1, function(x) {
t.test(iris[iris$Species=="setosa", x[2]], iris[iris$Species==x[1], x[2]])$p.value
} )
其中第1组又名Setosa在功能中进行了硬编码。这为我提供了一个包含所有组合的p值的数据框（以Setosa作为参考组），以便于查找：
head(comps)
Var1 Var2 pval
1 versicolor Sepal.Length 3.746743e-17
2 virginica Sepal.Length 3.966867e-25
3 versicolor Sepal.Width 2.484228e-15
4 virginica Sepal.Width 4.570771e-09
5 versicolor Petal.Length 9.934433e-46
6 virginica Petal.Length 9.269628e-50
组的所有组合：
您可以轻松地扩展以上内容，以生成一个数据框，其中包含每个组组合的t检验的p值。一种方法是：
comps <- expand.grid(unique(iris$Species), unique(iris$Species), names(iris)[-ncol(iris)])
现在，它具有三列。前两个是组，第三个是变量：
head(comps)
Var1 Var2 Var3
1 setosa setosa Sepal.Length
2 versicolor setosa Sepal.Length
3 virginica setosa Sepal.Length
4 setosa versicolor Sepal.Length
5 versicolor versicolor Sepal.Length
6 virginica versicolor Sepal.Length
您可以使用它来执行测试：
comps$pval <- apply(comps, 1, function(x) {
t.test(iris[iris$Species==x[1], x[3]], iris[iris$Species==x[2], x[3]])$p.value
} )
我收到一条错误消息：该怎么办？
如果样本量太小或一组值恒定，则
t.test可能会抛出错误消息。这是有问题的，因为它可能仅在特定的组中发生，并且您可能事先不知道它是哪个组。但是该错误将中断对apply的整个函数调用，并且您将看不到任何结果。规避此问题并确定有问题的组的一种方法是将函数
t.test包裹在dplyr::failwith周围（另请参见?tryCatch）。为了说明它是如何工作的，请考虑以下几点：smalln <- data.frame(a=1, b=2)
t.test(smalln$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，您就会得到一个字符作为结果，并且该运算将与其他组继续进行。不用说，您也可以将default设置为数字或其他任何值。它不必是字符。统计免责声明：
综上所述，请注意进行多次t检验不一定是良好的统计实践。您可能希望调整p值以考虑多次测试，或者您可能希望使用执行联合测试的替代测试过程。