Volledige gids: hoe u de t-testresultaten in r interpreteert

Een t-test met twee steekproeven wordt gebruikt om te testen of de gemiddelden van twee populaties gelijk zijn of niet.

Deze tutorial biedt een complete handleiding voor het interpreteren van de resultaten van een t-test met twee steekproeven in R.

Stap 1: Creëer de gegevens

Stel dat we willen weten of twee verschillende plantensoorten dezelfde gemiddelde hoogte hebben. Om dit te testen, verzamelen we een eenvoudig willekeurig monster van 12 planten van elke soort.

 #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)

Stap 2: Voer de t-test met twee steekproeven uit en interpreteer deze

Vervolgens zullen we de opdracht t.test() gebruiken om een t-test met twee voorbeelden uit te voeren:

 #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 

Zo interpreteert u de testresultaten:

gegevens: Dit vertelt ons de gegevens die zijn gebruikt in de t-test met twee steekproeven. In dit geval hebben we de vectoren groep1 en groep2 gebruikt.

t: Dit is de t-teststatistiek. In dit geval is het -2.5505 .

df : Dit zijn de vrijheidsgraden die zijn gekoppeld aan de t-teststatistiek. In dit geval is het 20.488 . Raadpleeg de Satterthwaire-benadering voor een uitleg van hoe deze waarde voor vrijheidsgraden wordt berekend.

p-waarde: Dit is de p-waarde die overeenkomt met een teststatistiek van -2,5505 en df = 20,488. De p-waarde blijkt .01884 te zijn. We kunnen deze waarde bevestigen met behulp van de T-score naar P-waardecalculator .

alternatieve hypothese: Dit vertelt ons de alternatieve hypothese die voor deze specifieke t-test is gebruikt. In dit geval is de alternatieve hypothese dat het werkelijke verschil in gemiddelden tussen de twee groepen niet gelijk is aan nul.

95% betrouwbaarheidsinterval: Dit vertelt ons het 95% betrouwbaarheidsinterval voor het werkelijke verschil in gemiddelden tussen de twee groepen. Het blijkt [-5.601, -.5654] te zijn.

steekproefschattingen: dit vertelt ons het steekproefgemiddelde van elke groep. In dit geval was het steekproefgemiddelde voor Groep 1 11,667 en het steekproefgemiddelde voor Groep 2 14,75 .

De twee aannames voor deze specifieke t-test met twee steekproeven zijn:

H ₀ : µ ₁ = µ ₂ (de twee populatiegemiddelden zijn gelijk)

H _A : µ ₁ ≠µ ₂ (de twee populatiegemiddelden zijn niet gelijk)

Omdat de p-waarde van onze test (0,01884) kleiner is dan alpha = 0,05, verwerpen we de nulhypothese van de test. Dit betekent dat we voldoende bewijs hebben om te zeggen dat de gemiddelde planthoogte tussen de twee populaties verschillend is.

Opmerkingen

De functie t.test() in R gebruikt de volgende syntaxis:

t.test(x, y, alternatief = “twee kanten”, mu = 0, gepaard = ONWAAR, var.equal = ONWAAR, conf.niveau = 0,95)

Goud:

• x, y: de namen van de twee vectoren die de gegevens bevatten.
• alternatief: De alternatieve hypothese. Opties zijn onder meer ‘dubbelzijdig’, ‘minder’ of ‘groter’.
• mu: De waarde waarvan wordt aangenomen dat deze het werkelijke verschil tussen de gemiddelden is.
• gepaard: het al dan niet gebruiken van een gepaarde t-test.
• var.equal: of de verschillen tussen de twee groepen al dan niet gelijk zijn.
• conf.level: het betrouwbaarheidsniveau dat voor de test moet worden gebruikt.

In ons voorbeeld hierboven hebben we de volgende aannames gebruikt:

• We gebruikten een tweezijdige alternatieve hypothese.
• We hebben getest of het werkelijke verschil in gemiddelden gelijk was aan nul.
• We gebruikten een t-test met twee steekproeven, geen gepaarde t-test.
• We gingen er niet van uit dat de verschillen tussen groepen gelijk waren .
• Wij hanteerden een betrouwbaarheidsniveau van 95%.

Voel je vrij om al deze argumenten te wijzigen wanneer je je eigen t-test uitvoert, afhankelijk van de specifieke test die je wilt uitvoeren.

Aanvullende bronnen

Een inleiding tot de t-toets met twee steekproeven
T-testcalculator met twee steekproeven