R语言多个变量同时进行t检验、方差分析等

这也是R语言tidy风格医学统计学的第3篇

简介

虽然说是同时进行t检验，但是这是一种通用的方法，当然也可以同时进行方差分析、正态性检验、方差齐性检验、秩和检验等等。

在spss中进行这些检验时，不管有多少列变量，只要都选中，就可以一次全部进行检验，在R语言里当然也可以！

主要是通过rstatix这个包完成，数据格式要求是长数据，或者说整洁数据。

实战

下面通过一个例子进行说明，可能有些不太适当，只是演示使用方法。

60个病人随机分为实验组和对照组，每组30人，记录患者的4项评分，现在需要对这4项评分同时进行正态性和方差齐性检验和t检验（可能不符合t检验的条件，这里只是演示方法）。

df <- read.csv("../000files/20210801.csv",header = T)

str(df)
## 'data.frame': 60 obs. of  5 variables:
##  $ 组别    : chr  "实验组" "实验组" "实验组" "实验组" ...
##  $ 排便困难: int  12 11 15 14 11 13 11 14 13 15 ...
##  $ 生活质量: int  87 94 95 85 101 91 84 89 84 92 ...
##  $ 粪便性状: int  2 3 2 2 3 3 3 3 3 3 ...
##  $ 排便时间: int  2 2 2 2 2 2 2 3 2 2 ...

df这样的数据不是整洁数据，首先变成整洁数据：

suppressMessages(library(tidyverse))

df_l <- df %>% 
  pivot_longer(cols = 2:5, names_to = "变量", values_to = "积分") %>% 
  dplyr::mutate_if(is.character, as.factor)

str(df_l)
## tibble [240 x 3] (S3: tbl_df/tbl/data.frame)
##  $ 组别: Factor w/ 2 levels "对照组","实验组": 2 2 2 2 2 2 2 2 2 2 ...
##  $ 变量: Factor w/ 4 levels "粪便性状","排便困难",..: 2 4 1 3 2 4 1 3 2 4 ...
##  $ 积分: int [1:240] 12 87 2 2 11 94 3 2 15 95 ...

同时进行正态性检验：

library(rstatix)
## 
## 载入程辑包：'rstatix'
## The following object is masked from 'package:stats':
## 
##     filter

df_l %>% group_by(变量,组别) %>% shapiro_test(积分)
## # A tibble: 8 x 5
##   组别   变量     variable statistic        p
##   <fct>  <fct>    <chr>        <dbl>    <dbl>
## 1 对照组 粪便性状 积分         0.452 1.73e- 9
## 2 实验组 粪便性状 积分         0.404 5.98e-10
## 3 对照组 排便困难 积分         0.871 1.78e- 3
## 4 实验组 排便困难 积分         0.915 1.95e- 2
## 5 对照组 排便时间 积分         0.577 3.91e- 8
## 6 实验组 排便时间 积分         0.597 6.64e- 8
## 7 对照组 生活质量 积分         0.974 6.47e- 1
## 8 实验组 生活质量 积分         0.962 3.46e- 1

方差齐性检验：

df_l %>% group_by(变量) %>% levene_test(积分 ~ 组别)
## # A tibble: 4 x 5
##   变量       df1   df2 statistic      p
##   <fct>    <int> <int>     <dbl>  <dbl>
## 1 粪便性状     1    58    0.127  0.723 
## 2 排便困难     1    58    0.226  0.636 
## 3 排便时间     1    58    0.0746 0.786 
## 4 生活质量     1    58    3.96   0.0514

t检验：

df_l %>% group_by(变量) %>% t_test(积分 ~ 组别)
## # A tibble: 4 x 9
##   变量     .y.   group1 group2    n1    n2 statistic    df     p
## * <fct>    <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl> <dbl>
## 1 粪便性状 积分  对照组 实验组    30    30   -0.356   57.5 0.723
## 2 排便困难 积分  对照组 实验组    30    30    0.0890  57.4 0.929
## 3 排便时间 积分  对照组 实验组    30    30   -0.273   58.0 0.786
## 4 生活质量 积分  对照组 实验组    30    30   -0.101   52.4 0.92

非常方便，结果也是一目了然，再也不用羡慕SPSS的这一点了！

你又多了一个用R语言进行医学统计学的理由！

以上就是今天的内容，希望对你有帮助哦！欢迎点赞、在看、关注、转发！

欢迎在评论区留言或直接添加我的微信！

---

欢迎关注我的公众号：医学和生信笔记

“

医学和生信笔记 公众号主要分享：1.医学小知识、肛肠科小知识；2.R语言和Python相关的数据分析、可视化、机器学习等；3.生物信息学学习资料和自己的学习笔记！

---

往期精彩内容：