完整指南：如何解释 r 中的 t 检验结果

双样本 t 检验用于检验两个总体的均值是否相等。

本教程提供了有关如何解释 R 中双样本 t 检验结果的完整指南。

第 1 步：创建数据

假设我们想知道两种不同种类的植物是否具有相同的平均高度。为了测试这一点，我们从每个物种中收集了 12 种植物的简单随机样本。

 #create vector of plant heights from group 1
group1 <- c(8, 8, 9, 9, 9, 11, 12, 13, 13, 14, 15, 19)

#create vector of plant heights from group 2
group2 <- c(11, 12, 13, 13, 14, 14, 14, 15, 16, 18, 18, 19)

步骤 2：执行并解释双样本 t 检验

接下来，我们将使用t.test()命令执行两个示例 t 检验：

 #perform two sample t-tests
t. test (group1, group2)

	Welch Two Sample t-test

data: group1 and group2
t = -2.5505, df = 20.488, p-value = 0.01884
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -5.6012568 -0.5654098
sample estimates:
mean of x mean of y 
 11.66667 14.75000 

以下是如何解释测试结果：

数据：这告诉我们在两个样本 t 检验中使用的数据。在本例中，我们使用称为 group1 和 group2 的向量。

t：这是 t 检验统计量。在本例中为-2.5505 。

df ：这些是与 t 检验统计量相关的自由度。在本例中，它是20,488 。有关如何计算此自由度值的说明，请参阅Satterthwaire 近似。

p 值：这是对应于检验统计量 -2.5505 和 df = 20.488 的 p 值。 p 值为.01884 。我们可以使用T 分数到 P 值计算器来确认该值。

备择假设：这告诉我们用于此特定 t 检验的备择假设。在这种情况下，备择假设是两组之间均值的真实差异不等于零。

95% 置信区间：这告诉我们两组之间平均值的真实差异的 95% 置信区间。结果是[-5.601, -.5654] 。

样本估计：这告诉我们每组的样本平均值。在本例中，第 1 组的样本平均值为11.667 ，第 2 组的样本平均值为14.75 。

此特定双样本 t 检验的两个假设是：

H ₀ : µ ₁ = µ ₂ （两个总体平均值相等）

H _A : µ ₁ ≠ µ ₂ （两个总体平均值不相等）

由于我们的检验的 p 值(0.01884)小于 alpha = 0.05，因此我们拒绝检验的原假设。这意味着我们有足够的证据表明两个种群之间的平均株高是不同的。

评论

R 中的t.test()函数使用以下语法：

t.test（x，y，alternative =“两侧”，mu = 0，paired = FALSE，var.equal = FALSE，conf.level = 0.95）

金子：

• x、y：包含数据的两个向量的名称。
• 替代：替代假设。选项包括“双面”、“更少”或“更大”。
• mu：假定为平均值的真实差异的值。
• 配对：是否使用配对 t 检验。
• var.equal：两组之间的差异是否相等。
• conf.level：用于测试的置信度。

在上面的示例中，我们使用了以下假设：

• 我们使用了双边备择假设。
• 我们测试了均值的真实差异是否等于零。
• 我们使用了双样本 t 检验，而不是配对 t 检验。
• 我们并不假设组之间的差异是相等的。
• 我们使用的置信度为 95%。

在执行您自己的 t 检验时，请随意修改这些参数中的任何一个，具体取决于您希望执行的特定测试。

其他资源

二样本t检验简介
二样本 t 检验计算器