r - 在 R 中使用 t.test() 时出错 - 'y' 观察值不够

Question

我的代码出现此错误

Error in t.test.default(dat$Value, x[[i]][[2]]) : 
  not enough 'y' observations

我认为我收到此错误的原因是因为我正在对只有一个值的数据(因此不会有均值或标准差)与具有 20 个值的数据进行 t.test解决这个问题..有没有办法可以忽略没有足够y观察的数据？？？就像一个 if 循环可能工作......请帮忙

所以我做 t.test 的代码是

t<- lapply(1:length(x), function(i) t.test(dat$Value,x[[i]][[2]]))

其中 x 是切割形式的数据，类似于

cut: [3:8)
        Number   Value
3       15        8
4       16        7
5       17        6
6       19        2.3
this data goes on 
cut:[9:14)
      Number   Value
7     21        15
cut:[13:18) etc
      Number    Value
8     22        49
9     23        15
10    24        13

如何忽略其中只有 1 个值的“剪切”，例如上面的示例，其中“剪切 [9:14)”中只有一个值....

Answer 1

t 检验的所有标准变体都在其公式中使用样本方差，并且在除以 n-1(其中 n 是样本大小)时，您无法从一次观察中计算出该方差。

这可能是最简单的修改，尽管我无法测试它，因为您没有提供示例数据(您可以 dput 您的数据来回答您的问题):

 t<- lapply(1:length(x), function(i){
     if(length(x[[i]][[2]])>1){
       t.test(dat$Value,x[[i]][[2]]) 
     } else "Only one observation in subset" #or NA or something else
     })

另一种选择是修改 lapply 中使用的索引。 :

ind<-which(sapply(x,function(i) length(i[[2]])>1))
t<- lapply(ind, function(i) t.test(dat$Value,x[[i]][[2]]))

以下是第一个使用人工数据的案例:

x<-list(a=cbind(1:5,rnorm(5)),b=cbind(1,rnorm(1)),c=cbind(1:3,rnorm(3)))
y<-rnorm(20)

t<- lapply(1:length(x), function(i){
     if(length(x[[i]][,2])>1){ #note the indexing x[[i]][,2]
       t.test(y,x[[i]][,2]) 
     } else "Only one observation in subset"
     })

t
[[1]]

        Welch Two Sample t-test

data:  y and x[[i]][, 2] 
t = -0.4695, df = 16.019, p-value = 0.645
alternative hypothesis: true difference in means is not equal to 0 
95 percent confidence interval:
 -1.2143180  0.7739393 
sample estimates:
mean of x mean of y 
0.1863028 0.4064921 


[[2]]
[1] "Only one observation in subset"

[[3]]

        Welch Two Sample t-test

data:  y and x[[i]][, 2] 
t = -0.6213, df = 3.081, p-value = 0.5774
alternative hypothesis: true difference in means is not equal to 0 
95 percent confidence interval:
 -3.013287  2.016666 
sample estimates:
mean of x mean of y 
0.1863028 0.6846135 


        Welch Two Sample t-test

data:  y and x[[i]][, 2] 
t = 5.2969, df = 10.261, p-value = 0.0003202
alternative hypothesis: true difference in means is not equal to 0 
95 percent confidence interval:
 3.068071 7.496963 
sample estimates:
mean of x mean of y 
5.5000000 0.2174829