各位大牛，数据统计分析,请指点一下

Student001

数据请见附件。

目的是要计算第一列和其它各列的差异，并绘图显示。由于统计知识薄弱，请各位指点。

可以用配对t test吗？

bjt

作业么？

Student001

不是作业。折腾了一下，不知道对不对，请各位指点一下吧

Welch Two Sample t-test

data: A and mean

t = 7, df = 7.594, p-value = 0.0001445

alternative hypothesis: true difference in means is not equal to 0

95 percent confidence interval:

0.03125706 0.06240008

sample estimates:

mean of x mean of y

0.05742857 0.01060000

Student001

不是作业。折腾了一下，不知道对不对，请各位指点一下吧

<br />
table<-read.csv("data.csv",header=F)<br />
A<-table[,1]<br />
B<-table[,2:6]</p>
<p>par(mar=c(5,5,4,2))<br />
plot(A,type="b",lty = 1,col=1,ylim = c(0,0.1),lwd=2,main="Compare distances",ylab = "distance")<br />
par(new=T)<br />
plot(B[,1],type="b",lty = 2,col=2,ylim = c(0,0.1),lwd=2,ann=F,xaxt="n", yaxt="n")<br />
par(new=T)<br />
plot(B[,2],type="b",lty = 3,col=3,ylim = c(0,0.1),lwd=2,ann=F,xaxt="n", yaxt="n")<br />
par(new=T)<br />
plot(B[,3],type="b",lty = 4,col=4,ylim = c(0,0.1),lwd=2,ann=F,xaxt="n", yaxt="n")<br />
par(new=T)<br />
plot(B[,4],type="b",lty = 5,col=5,ylim = c(0,0.1),lwd=2,ann=F,xaxt="n", yaxt="n")<br />
par(new=T)<br />
plot(B[,5],type="b",lty = 6,col=6,ylim = c(0,0.1),lwd=3,ann=F,xaxt="n", yaxt="n")<br />

</p>

[attachment=208314,545]

zxfyw

写了两段代码来实现上面的功能：

（首先提一个建议，就是不要用table作为变量名，因为它在R里面是一个function）

## 读数据

df.table<- read.csv("E:/data.csv",header=F)

A<- df.table[,1]

B<- df.table[,2:6]

## 方法一：

df.data <- NULL

for(i in 1:ncol(df.table))

{

df.tmp <- data.frame(x=1:nrow(df.table), y=df.table[,i])

df.tmp$group <- i-1

df.data <- rbind(df.data, df.tmp)

}

require(lattice)

xyplot(y~x, data=df.data, groups=as.factor(df.data$group), type="b", lty=1:6, col=1:6, lwd=2,main="Compare distances",ylab = "distance")

# -- xyplot是专门用于by group画图的，但是它要求的格式是基于行的。

## 方法二：

plot(A,type="b",lty = 1,col=1,ylim = c(0,0.1),lwd=2,main="Compare distances",ylab = "distance")

points(B[,1],type="b",lty = 2,col=2,ylim = c(0,0.1),lwd=2)

points(B[,2],type="b",lty = 3,col=3,ylim = c(0,0.1),lwd=2)

points(B[,3],type="b",lty = 4,col=4,ylim = c(0,0.1),lwd=2)

points(B[,4],type="b",lty = 5,col=5,ylim = c(0,0.1),lwd=2)

points(B[,5],type="b",lty = 6,col=6,ylim = c(0,0.1),lwd=3)

# -- 当我们要在原有的图上面加点或者线时，可以用points或者lines等命令。

Student001

非常感谢zxfyw，受益匪浅！

另外，数据中第一列与其他列的差异性统计比较，下面这样分析，对吗？

dat<-read.csv("data.csv",header=F)

A<-dat[,1]

B<-dat[,2:6];B

mean<-apply(B,1,mean);mean

t.test(A,mean)

zxfyw

这个做法好像有点欠妥哦

1. 如果你是将其他的作为一组的话完全可以直接把数据放在一起就好了，样本量也还可以接受了

2. 做t.test的话有两种，一种是等方差，一种是不等方差

t.test(x,y,var.equal=T)

你可以先用var.test看下是不是等方差，然后再决定var.equal是TRUE还是FALSE

## -- 以上建议仅供参考

Student001

回复第7楼的 zxfyw：

是的，我觉得t.test也是有些问题。怎么说呢，觉得样本量少，但只有B[,1]和B[,5]不符正态分布。

<br />
 shapiro.test(B[,1])</p>
<p>        Shapiro-Wilk normality test</p>
<p>data:  B[, 1]<br />
W = 0.6644, p-value = 0.001497</p>
<p>shapiro.test(B[,5])</p>
<p>        Shapiro-Wilk normality test</p>
<p>data:  B[, 5]<br />
W = 0.6644, p-value = 0.001497<br />

</p>

我的目的是要计算第一列与其它各列的差异，怎么统计计算还不明白，还请各位高手指点一下。谢谢了！

emilio

说实话，我觉得这个就用spss吧，点两下就出来了，不过你要想成为用R的大牛多弄一下还是很有帮助的

Student001

回复第9楼的 emilio：够用就行，成大牛只是个愿景。[s:11] 只是这个问题我知怎么处理，还请赐教！

zxfyw

现实中的数据服从真的服从正态分布还是比较难的事情，而数据量大的时候可以忽略这个问题。而shapiro.test这个测试本来就比较敏感，也许不需要考虑那么多[s:13]

Student001

回复第11楼的 zxfyw：谢谢还这么关注这个帖子哦，那你认为具体应怎么解决呢？

用wilcox.test检测了一下，但出现了警告信息”In wilcox.test.default(A, B[, 1]) : cannot compute exact p-value with ties“，不知道相应的结果还对不对，请高手指正！

<br />
> wilcox.test(A,B[,1])</p>
<p>        Wilcoxon rank sum test with continuity correction</p>
<p>data:  A and B[, 1]<br />
W = 49, p-value = 0.00184<br />
alternative hypothesis: true location shift is not equal to 0 </p>
<p>Warning message:<br />
In wilcox.test.default(A, B[, 1]) : cannot compute exact p-value with ties<br />
> wilcox.test(A,B[,2])</p>
<p>        Wilcoxon rank sum test with continuity correction</p>
<p>data:  A and B[, 2]<br />
W = 49, p-value = 0.002045<br />
alternative hypothesis: true location shift is not equal to 0 </p>
<p>Warning message:<br />
In wilcox.test.default(A, B[, 2]) : cannot compute exact p-value with ties<br />
> wilcox.test(A,B[,3])</p>
<p>        Wilcoxon rank sum test with continuity correction</p>
<p>data:  A and B[, 3]<br />
W = 49, p-value = 0.002045<br />
alternative hypothesis: true location shift is not equal to 0 </p>
<p>Warning message:<br />
In wilcox.test.default(A, B[, 3]) : cannot compute exact p-value with ties<br />
> wilcox.test(A,B[,4])</p>
<p>        Wilcoxon rank sum test with continuity correction</p>
<p>data:  A and B[, 4]<br />
W = 49, p-value = 0.002045<br />
alternative hypothesis: true location shift is not equal to 0 </p>
<p>Warning message:<br />
In wilcox.test.default(A, B[, 4]) : cannot compute exact p-value with ties<br />
> wilcox.test(A,B[,5])</p>
<p>        Wilcoxon rank sum test with continuity correction</p>
<p>data:  A and B[, 5]<br />
W = 49, p-value = 0.00184<br />
alternative hypothesis: true location shift is not equal to 0 </p>
<p>Warning message:<br />
In wilcox.test.default(A, B[, 5]) : cannot compute exact p-value with ties<br />

</p>

Student001

继续求助！

Student001

继续求助！

Student001

请问用wilcox检验来做对不对呢？[s:12]

zxfyw

## 发表一下我的见解吧:

wilcox检验是正确的，它是一种非参数的方法，不受限于正态和方差齐性的假设。

## 至于上面为什么会出现warning message

这是基于wilcox的理论推导：当样本量比较大的时候，wilcox的统计量服从近似正态分布,所以能比较精确的算出pvalue；但是样本量比较小的时候，相应pvalue只能通过查表近似得到，所以不能得到精确的pvalue.

综上：检验只要写成这样 wilcox.test(A,B[,4]，exact=F)，就不会出现warning message

[s:13]

Student001

回复第16楼的 zxfyw：真是太感谢你了！谢谢你对我的问题始终如一地耐心解答！[s:11]

zxfyw

回复第17楼的 Student001：不用客气，有问题可以一起讨论哦~~~~

yihui

回复第18楼的 zxfyw：zxfyw最近很热心啊，叩谢！万岁万岁万万岁！

zxfyw

回复第19楼的谢益辉：哈哈偶尔浮出水面透透气呀~~~