计算R

中所有列（可能较大）矩阵中的p值是否有更有效/更快的方式来比较两个矩阵（逐列），并使用t检验计算p值以获得无差异意味着（必要时最终切换到chisq.test）？计算R

这里是我的解决方案：

## generate fake data (e.g., from treatment and control data) 
z0 <- matrix(rnorm(100),10,10) 
z1 <- matrix(rnorm(100, mean=1.1, sd=2),10,10) 

## function to compare columns (bloody for loop) 
compare.matrix <- function(z0, z1){ 
    pval <- numeric(ncol(z0)) ## initialize 

    for(i in 1:ncol(z0)){ ## compare columns 
    pval[i] <- t.test(z1[, i], z0[, i])$p.value 

    ## if var is categorical, switch test type 
    if (length(unique(z1[,i]))==2){ 
     index <- c(rep(0, nrow(z0)), rep(1, nrow(z1))) 
     xx <- c(z0[,i], z1[,i]) 
     pval[i] <- chisq.test(table(xx, index), simulate.p.value=TRUE)$p.value  
    } 
    } 
    return(pval) 
} 
compare.matrix(z0, z1)

来源

2014-12-05 mrb

短语“t-test for equal mean difference”让我想知道你是否想要配对t检验，但如果没有，那么你的方法看起来是合理的（但我会用“t-测试没有差异的意思“。） – 2014-12-05 21:54:14

谢谢。我根据你的建议改变了文字 – mrb 2014-12-06 16:41:33

下面是使用dplyr的一种方式。如果您有大矩阵，将前三行合并为一个步骤可能会更好，但为了清晰起见，我将它们分开了。我认为卡方情况将是一个相当简单的延伸。

z0_melt = melt(z0, value.name='z0')[,c('Var2','z0')] 
z1_melt = melt(z1, value.name='z1')[,c('Var2','z1')] 
all_df = merge(z0_melt, z1_melt) 

library(dplyr) 

all_df %>% 
    group_by(Var2) %>% 
    summarize(p = t.test(z0, z1)$p.value)

来源

2014-12-05 21:25:44 eamcvey

回答

相关问题