如何在R中执行自举配对t-test？

Question

我想要在R中执行引导配对t-test。我已经尝试过在使用参数配对t-test时返回p<.05的多个数据集，但是当我运行引导程序时，我得到的p值在0.4和0.5之间。我是不是运行得不正确？

   differences<-groupA-groupB
   t.test(differences) #To get the t-statistic e.g. 1.96

   Repnumber <- 10000                  
   tstat.values <- numeric(Repnumber)       
   for (i in 1:Repnumber) {
     group1 = sample(differences, size=length(differences), replace=T)
     tstat.values[i] = t.test(group1)$statistic
   }

   #### To get the bootstrap p-value compare the # of tstat.values
   greater (or lesser) than or equal to the original t-statistic divided
   by # of reps:

   sum(tstat.values<=-1.96)/Repnumber

谢谢!

Answer 1

看起来你是在比较苹果和橙子。对于differences的单个t检验，您将获得t统计量，如果大于临界值，则表明group1和group2之间的差值是否与零有显着差异。您的自举代码做了同样的事情，但是对于10,000个differences的自举样本，它给出了来自differences总体的不同随机样本的t统计量的变化估计。如果你取这些自举t统计量(mean(tstat.values))的平均值，你会发现它与整个differences样本中的单个t统计量大致相同。

sum(tstat.values<=-1.96)/Repnumber给出的自举t统计量百分比小于-1.96。这是对重复随机样本中t统计量小于-1.96的时间百分比的估计。我认为这基本上是对测试在给定样本大小和显着性水平下检测group1和group2之间给定大小的差异的能力的估计，尽管我不确定这样的能力分析有多强大。

就正确引导t-test而言，我认为您实际上需要做的是某种置换测试，它检查您的实际数据是否为异常值，而不是反复打乱数据上的标签并对每个打乱的数据集进行t-test。您可能想在CrossValidated上问一个问题，以便获得有关如何正确处理您的数据的建议。以下CrossValidated答案可能会有所帮助：here、here和here。