R：t.test 和pairwise.t.test 给出不同的结果？

Question

我尝试对以下数据框使用 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previous post 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pairwise.t.test-function。

为了使用t.test，我按要比较的类对数据框进行了子集化，并对子集进行了后续 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 在这里会更方便，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)

但是我在这里得到不同的结果，最明显的是比较结束与 stem.second：使用t.test 的 p=0.7 和使用pairwise.t.test 的 p=0.1。

这里有什么问题？我在哪里做过某事。错了吗？

---

虽然问题本身解决了，但我觉得问题发生的原因，让我有点偏执（不再相信自己了）： 只需键入 pooled.sd 而不是 pool.sd 我不会得到我期望的结果。 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bonf 或 bonferroni、fa() 或 factor() 等等。但是这里pooled.sd 被完全忽略了，尽管实际上是“pooled sd”。 好的，如果您仔细阅读了输出的标题，您可能会猜到 pooled.sd 未被识别，因为它仍然显示“使用池 SD 进行 t 测试”，但如果我什至不打印它怎么办，例如将输出管道传输到自写函数时？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，在未来的 R 版本中，这两种拼写变体都应该有效吗？

Answer 1

问题不在于 p 值校正，而在于（声明）方差假设。您在 t.test 通话中使用了 var.equal=T，在 pairwise.t.test 通话中使用了 pooled.sd=FALSE。但是，pairwise.t.test 的参数是 pool.sd，而不是 pooled.sd。更改此值会产生与对 t.test 的单个调用等效的 p 值

pairwise.t.test(df$freq, df$class, p.adjust.method="none", 
                paired=FALSE, pool.sd=FALSE)

Answer 2

在获得显着结果后，您需要一个带有多重比较过程的单因素方差分析。此外，您的数据可能没有配对；例如在一个人内进行的测试前、测试后测量，数据在每个人内配对。

Answer 3

这里没有错。您正在进行不同的测试，因为pairwise.t.test 对 p 值进行了更正 - 以调整您正在进行多重比较的事实。

（简而言之，如果您进行多重比较，则会增加发现虚假结果的机会。对此进行调整。）

?pairwise.t.test 的帮助将为您指出?p.adjust，您可以在其中找到更多详细信息。

（或者你也可以读一读那无懈可击的智慧字体：http://en.wikipedia.org/wiki/Multiple_comparisons）