多因素水平均值与观测值的r t检验

Question

我有一个大约39k行数据的数据集，摘录如下：

• “国家”、“团体”、“项目”、“年份”是明确的
• “生产”和“废物”是数字。
• “of”也是数字，但是“废物”/“生产”的结果。 区域国家组项目年生产废物如果欧洲保加利亚谷物小麦1961 2040 274 0.134313725欧洲保加利亚谷物小麦1962年2090 262 0.125358852欧洲保加利亚谷物小麦1963年1894 277 0.14625132欧洲保加利亚谷物小麦1964年2121 286 0.134842056欧洲保加利亚谷物小麦1965年2923 341 0.116660965欧洲保加利亚谷物小麦1966年3193 385 0.120576261欧洲保加利亚谷类大麦1961 612 15 0.024509804欧洲保加利亚谷物大麦1962年599 16 0.026711185保加利亚谷物大麦1963年618 16 0.025889968欧洲保加利亚谷物大麦1964年764 21 0.027486911欧洲保加利亚谷物大麦1965年876 22 0.025114155保加利亚谷物大麦1966年1064 24 0.022556391

我使用了以下代码按项和组生成991种不同的方法

df2 <- aggregate(LF ~ Country + Item, data=df1, FUN='mean')

这个函数的结果看起来很好。

我想测试一下，在df2中，LF的各个方法是否与每个国家项目组合(即df1 )中的基本年度观测值不同。如果是假的，那么LF实际上只是一个静态比率，如果是真的，那么‘废物’是独立于‘生产’)。

如何才能最好地做到这一点？仅针对这个数据集似乎就需要进行991个测试，我不知道如何以这种方式混合apply和t.test函数。

谢谢!

Answer 1

t.test需要两组来比较与数值/比例尺相关的输出变量。在这里，在我看来，每个国家和项目的组合，你想比较所有不同的年平均数/平均数。换句话说，您正在试图调查年份是否影响国家和项目的每一个组合的LF平均值。

最简单的方法是为国家和项目的每个组合创建一个线性模型(LF ~年份)，并解释变量年的系数和p值。

library(dplyr)
library(broom)

set.seed(115)

# example dataset
dt = data.frame(Country = rep("country1",12),
                Item = c(rep("item1",6), rep("item2",6)),
                Year = rep(1961:1966,2),
                LF = runif(12,0,1))

# general means by country and item
dt %>% group_by(Country,Item) %>% summarise(Mean_LF = mean(LF))

# each years means by country and item
dt %>% group_by(Country,Item,Year) %>% summarise(Mean_LF = mean(LF))

# does year influence the means for each country and item?
dt %>% group_by(Country,Item) %>% do(tidy(lm(LF~Year, data=.)))

希望这能有所帮助。如果我遗漏了什么，请告诉我，我会更新我的代码。