今回は2群間の比較を行います。
連続変数
・t検定
・ウィルコクソン順位和検定
離散変数
・フィッシャーの正確検定
・カイ二乗検定
連続変数
t検定
t検定を行う上で、対応があるデータか、対応がないデータかを考慮する必要があります。
対応がないデータは、例えばAクラスとBクラスのテストの点数で、異なる標本から抽出されたデータです。
対応があるデータは、例えばCさんが薬を飲む前の血圧と飲んだ後の血圧で、同一被験者からセットで得られるデータです。
RにExcelファイルを読み込みます。
読み込ませ方はこちらから↓
table(データ名$項目)でnを確認します。
Maleを1としているので男性5人、女性5人のデータです。
summary(データ名)を使うと4分位や平均、中央値を確認できます。
renshuに入れたデータで性別で身長に差があるかを評価します。
箱ひげ図を確認します。
boxplot (縦軸, 横軸)で箱ひげ図を作成します。
Male（1）がFemale（0）より身長が高そうです。
t検定はt.test()で行います。
renshuに入れたデータで性別により身長に差があるかを評価します。
p-value = 0.0001533で有意水準が0.05の時には、MaleはFemaleより有意に身長が高いと判断します。
また、TableoneパッケージのCreateTableOneを使用すると平均や標準偏差も同時に求められ便利です。
library(tableone)
print(CreateTableOne(vars = ” “, strata = ” “, data = )
vars = 評価する連続変数
strata = 群分けする変数
data = データフレーム名
ウィルコクソン順位和検定
サンプル数が小さかったり、正規分布していないとき（ノンパラメトリック）に使用します。
wilcox.test()で求めることができます。
・wilcox.test(データフレーム$連続変数 ~ データフレーム$群分けする変数)
・wilcox.test(連続変数 ~ 群分けする変数, data = データフレーム)
いずれかで入力します。
p = 0.09524ですのでMale(性別)によるBMIの差はなさそうです。
また、TableoneパッケージのCreateTableOneを使用すると平均や標準偏差も同時に求められ便利です。
library(tableone)
print(CreateTableOne(vars = ” “, strata = ” “, data = ), nonnormal = ” “)
vars = 評価する連続変数
strata = 群分けする変数
data = データフレーム名
nonnormal = 評価する連続変数
離散変数
フィッシャーの正確検定
次は離散変数での2群比較です。
フィッシャーの正確検定はサンプル数が小さくても検定でき、第一選択として使用します。
fisher.test(データフレーム$変数, データフレーム$群分けする変数)
で求められます。
Male(性別)によるDM(糖尿病)の罹患に差があるかを評価しました。
p = 0.5238で性別による糖尿病罹患に有意差はありませんでした。
ちなみに、
95%信頼区間は0.218~390.56です。
オッズ比は4.918と記載されています。
また、TableoneパッケージのCreateTableOneを使用すると平均や標準偏差も同時に求められ便利です。
library(tableone)
print(CreateTableOne(vars = ” “, strata = ” “, factorvars = ” “, data = ), exact = ” “)
vars = 評価する離散変数
strata = 群分けする変数
factorVars = 評価する離散変数
data = データフレーム名
exact = 評価する離散変数
カイ二乗検定
カイ二乗検定はサンプル数が多いときに使用します。
chisq.test(離散変数, 群分けする変数)で求められます。
chisq.test(データフレーム$変数, データフレーム$群分けする変数)と入力します。
p = 0.5186で性別(Male)によるDM(糖尿病)罹患に有意差はありませんでした。
また、TableoneパッケージのCreateTableOneを使用すると平均や標準偏差も同時に求められ便利です。
library(tableone)
print(CreateTableOne(vars = ” “, strata = ” “, factorvars = ” “, data = )
vars = 評価する離散変数
strata = 群分けする変数
factorVars = 評価する離散変数
data = データフレーム名
Tableoneパッケージはこちらで解説されており、最初に知ったときは感動しました。
Tableoneで作成した表をcsvファイルで出力することで、手作業で表を作成する手間が大幅に省けます。