跨多列的 T 检验或整理数据

Question

刚开始在 Stack 上发帖，如有任何问题，我们深表歉意。

我正在学习如何在 R 中更加自如，目前正在考虑使用 broom/purr 一次运行多个统计测试。我当前数据的一个示例如下所示：

Subject	PreScoreTestA	PostScoreTestA	PreScoreTestB	PostScoreTestB	PreScoreTestC	PostScoreTestC
1	30	40	6	8	12	10
2	15	12	9	13	7	7
3	20	22	11	12	9	10

但是在许多科目和更多测试中。我想进行相关 t 检验以查看分数在培训计划过程中的变化，但不想对每个分数进行测试。

我见过一些使用 group by、nest 和 map 来运行多个 t 检验的示例，但他们的数据格式较长

有没有办法在宽格式下实现相同的目标？或者我是否需要使用 pivot_longer 来更改数据。

提前致谢！

ETA 在这里进行了编辑，但给出的结果不正确，因此已被删除仍在寻找有关参数和相同长度的帮助

预计到达时间第 2 版

我确实找到了使用 pairwise.t.test 的解决方法（代码如下）。它给出了与跨个体评估进行 t.test 相同的 p 值。我很好奇为什么它适用于pairwise.t.test 而不是t.test。如果有人有任何想法，请告诉我！

    results <- testb %>%
     pivot_longer(-Subject, 
                   names_to = c("time", "test"), values_to = "score", 
                   names_pattern = "(Pre|Post)(.*)") %>%
     group_by(test) %>% 
     nest() %>% 
     mutate(ttests = map(.x=data, ~tidy(pairwise.t.test(.x$score, .x$time, paired = TRUE, p.adjust.method = "none")))) %>%  
     unnest(ttests)  

Answer 1

这是一个不转为长格式的尝试：这又是在令人难以置信的 akrun 的帮助下完成的！见这里：How to apply t.test() to multiple pairs of columns after mutate across:

df %>%
  summarise(across(starts_with('PreScore'), ~  t.test(.,
                                                      get(str_replace(cur_column(), "^PreScore", "PostScore")))$p.value, 
                   .names = "{.col}_TTest"))

  PreScoreTestA_TTest PreScoreTestB_TTest PreScoreTestC_TTest
1            0.767827            0.330604           0.8604162

Answer 2

是的，需要一些旋转。假设您没有方向性假设，并且您想对每个测试进行事前评估，这可能就是您要寻找的：

df <- as.data.frame(rbind(c(1,  30, 40, 6,  8,  12, 10),
                          c(2,  15, 12, 9,  13, 7,  7),
                          c(3,  20, 22, 11, 12, 9,  10)))

names(df) <- c("Subject",   
               "PrePushup", "PostPushup",   
               "PreRun",    "PostRun",  
               "PreJump",   "PostJump")

df %>% 
  pivot_longer(-Subject, 
               names_to = c("time", "test"), values_to = "score", 
               names_pattern = "(Pre|Post)(.*)") %>% 
  group_by(test) %>% 
  nest() %>% 
  mutate(t_tests = map(data, ~t.test(score ~ time, data = .x, paired = TRUE))) %>% 
  pull(t_tests) %>% 
  purrr::set_names(c("Pushup", "Run", "Jump"))

$Pushup

    Paired t-test

data:  score by time
t = 0.79241, df = 2, p-value = 0.5112
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -13.28958  19.28958
sample estimates:
mean of the differences 
                      3 


$Run

    Paired t-test

data:  score by time
t = 2.6458, df = 2, p-value = 0.1181
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -1.461250  6.127916
sample estimates:
mean of the differences 
               2.333333 


$Jump

    Paired t-test

data:  score by time
t = -0.37796, df = 2, p-value = 0.7418
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -4.127916  3.461250
sample estimates:
mean of the differences 
             -0.3333333