如何在 R 中拆分数据框以进行统计测试？ [关闭]

Question

我有 3 个变量，A1、A2 和 A3

• A1是温度
• A2是月份
• A3 是位置

A2 有 2 个月 - 3 月和 5 月。A3 有 2 个城市 - 钦奈和迪拜。

但是当我在A1 和A3 之间进行关联时：

cor(A1,A3, method = "pearson") 'y' must be numeric

请问我该如何解决这个问题？

非常感谢， 伊哈克

Answer 1

拆分数据的方法有很多种，但首先要回答的问题是“我希望检验什么假设？”

这是使用来自 timeanddate.com 的钦奈和迪拜的平均每日高温的示例代码

# data collected from average high temperatures collected from 2005 - 2015
# https://www.timeanddate.com/weather/india/chennai/climate
# https://www.timeanddate.com/weather/united-arab-emirates/dubai/climate
rawData <- "
temperature,month,city
75,Jan,Dubai
78,Feb,Dubai
83,Mar,Dubai
92,Apr,Dubai
100,May,Dubai
103,Jun,Dubai
106,Jul,Dubai
107,Aug,Dubai
102,Sep,Dubai
96,Oct,Dubai
87,Nov,Dubai
79,Dec,Dubai
86,Jan,Chennai
89,Feb,Chennai
93,Mar,Chennai
97,Apr,Chennai
102,May,Chennai
100,Jun,Chennai
97,Jul,Chennai
95,Aug,Chennai
95,Sep,Chennai
92,Oct,Chennai
87,Nov,Chennai
86,Dec,Chennai"

tempData <- read.csv(text=rawData)

# t-test for average temperatures
t.test(tempData[tempData$city =="Dubai","temperature"],
       tempData[tempData$city == "Chennai","temperature"],
       paired=FALSE)

# paired t-test
t.test(tempData[tempData$city =="Dubai","temperature"],
       tempData[tempData$city == "Chennai","temperature"],
       paired=TRUE)
# correlation
cor(tempData[tempData$city =="Dubai","temperature"],
    tempData[tempData$city =="Chennai","temperature"])

两样本t检验

两个样本 t 检验检验两个均值相等的原假设，而与检验中两组之间收集的数据之间的关联无关。有时两组之间的关联可能基于时间（如温度数据的情况），但配对可能基于其他特征（例如，研究中的双胞胎具有测试组和对照组，其中每对双胞胎是随机的分配给测试组和控制组）。

> t.test(tempData[tempData$city =="Dubai","temperature"],
+        tempData[tempData$city == "Chennai","temperature"],
+        paired=FALSE)

    Welch Two Sample t-test

data:  tempData[tempData$city == "Dubai", "temperature"] and tempData[tempData$city == "Chennai", "temperature"]
t = -0.24817, df = 15.546, p-value = 0.8073
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -8.765568  6.932235
sample estimates:
mean of x mean of y 
 92.33333  93.25000

由于 0 在 95% 的置信区间内，我们接受零假设，即钦奈和迪拜之间的月平均高温没有差异。

配对 t 检验

配对 t 检验计算观测值对之间的差异，并检验平均差异为 0 的原假设。

> # paired t-test
> t.test(tempData[tempData$city =="Dubai","temperature"],
+        tempData[tempData$city == "Chennai","temperature"],
+        paired=TRUE)

    Paired t-test

data:  tempData[tempData$city == "Dubai", "temperature"] and tempData[tempData$city == "Chennai", "temperature"]
t = -0.39555, df = 11, p-value = 0.7
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -6.017343  4.184009
sample estimates:
mean of the differences 
             -0.9166667 

由于 0 在 95% 的置信区间内，当对月平均高温值对的差异进行检验时，我们接受金奈和迪拜之间的月平均高温没有差异的原假设.

相关性

Pearson 相关性衡量两个变量之间线性关系的强度，-1.0 = 完全负相关，0 = 没有线性相关，1 = 完全正相关。

> cor(tempData[tempData$city =="Dubai","temperature"],
+     tempData[tempData$city =="Chennai","temperature"])
[1] 0.7929018
> 

0.79 的相关性表明迪拜和钦奈的月平均高温之间存在很强的正线性关系。

用于分割数据的技术

由于我创建了一个原始数据文件并使用 read.csv() 将其加载到 R 中，因此我使用提取运算符的 [ 形式根据 city 列的值提取行。我还按月为每个城市创建了原始数据文件，因此每个子集中的值的顺序按月匹配，从而可以直接使用成对 t 检验。

# extract temperature values for Dubai
tempData[tempData$city =="Dubai","temperature"]

可以使用多种技术对 R 数据帧中的数据进行子集化处理，例如 which() 函数和 sqldf() 函数。