R 初学者：Welch t 检验的循环

Question

我刚开始使用 R 来帮助完成一个新的零售项目，虽然我可以输入一些基本功能，但我正在寻找一种更有效地进行销售比较的方法。以下是一个浓缩示例。

我想比较六种不同类型客户的总购买量的均值（注意使用具有 6 个级别的 MemberType 因子，每种类型的奖励会员注册一个）。

虽然我当然可以做这样的事情:

>m<-t.test(TotalPurchase[MemberType=='2'],TotalPurchase[MemberType=='4'])

对于每一对，我这里的 objective 是为了避免运行手动对每对因子水平进行测试。

在这个早期阶段，我在概念上不明白如何去做。是否可以在具有唯一因子水平的向量中使用该函数，例如

>tp<-data.frame(levels(MemberType))

？如果是这样，是否有关于 how/whether 构造嵌套 for 循环的任何见解，例如

>for(i in tp) function(i){
>##something like tt<-t.test(TotalPurchase[MemberType==i],##
>##+t.test(TotalPurchase[MemberType==i])##
>+}

多了一层？我也一直在研究 'apply' 函数族，但被 1) 需要两个输入到双样本 t.test 所困扰和 2) for() 和 lapply() 参数中的索引语法告诉 R 在 t 检验中使用什么值向量。

对于此问题的任何具体帮助或对我在 R（或 Stack Overflow）中的格式设置的礼貌指导，这位新手将不胜感激。谢谢！

Answer 1

最直接的方法是在 stats 包中使用 pairwise.t.test()。

但你需要清楚什么类型的多重测试调整你想用它来控制你的家庭明智的错误率。所以这是确实是统计问题而不是编程问题。你在 Bonferroni 还是其他人之间有偏好？
您也不清楚是否使用合并方差。
最后，你的数据不清楚。

如果您有一个包含以下变量的数据框：purchases 是测量变量，MemberType 是客户类别，ItemType 是项目类别，并且您需要 Bonferroni 校正和未合并的 SD，这将适用于示例项目类型 == a:

df <- data.frame(purchases= rnorm(100, 50, 20), 
      MemberType= factor(sample(c("a", "b", "c"), 100, replace= TRUE)),
      ItemType= factor(sample(c("d","e","f"), 100, replace=TRUE))
df2 <- df[df$ItemType == "a", ]
pairwise.t.test(df2$purchases, df2$MemberType, p.adj= "bonf", pool.sd= FALSE)

请提供您问题的完整描述，我可以根据需要更新此解决方案。

R 初学者：Welch t 检验的循环

R Beginner: Loops on a Welch t-test

for-loop

r