如何解决stat_compare_means paired = TRUE 似乎配对错误的值
我想使用来自 ggpubr 的 ggpaired 绘制箱线图,以比较以下数据帧的两个条件。因此,您可以看到 csv 包含来自 3 个实验(E2020-36、E2021-04、E2021-06)的 3 个数据对(-FLS、UT)。 p 值的计算是使用 stat_compare_means 完成的,但是,当我运行配对 t 检验时,我感觉错误的值是配对的。当我运行未配对测试时,p = 0.032。当我运行配对 T 检验时,p = 0.094。但是,在我看来,配对 t 检验适合这种计算,因为要比较的配对来自 3 个独立的生物重复。因此,这应该导致比更高的 p 值更低的 p 值。也许有人可以帮我解释一下这里发生了什么......
谢谢,马克斯
testdata.csv:
“条件”、“实验”、“CD69”
"UT","E2020-36",15.2
"-FLS",5.47
"UT","E2021-04",17.45
"-FLS",4.98
"UT","E2021-06",10.9
"-FLS",7.8
代码:
test1 <- read.csv("testdata.csv")
ggpaired(test1,x = "condition",y = "CD69",id = "experiment",color = "condition",line.color = "gray",line.size = 0.4,palette = "jco") +
labs(y = "% CD69+",subtitle = "N = 3 patients (biol. replicates),paired t-test") +
stat_compare_means(method = "t.test",paired = TRUE)
解决方法
对于未配对的 t 检验,t 的公式为 t = (mean_ut - mean_fls)/sqrt((var_ut/3) + (var_ut/3)) ~ 3.99 对于配对 t 检验,它是 mean(ut-fls)/sqrt(var(ut-fls)/3) ~ 3.03
这可能意味着其中一个实验 (e2021-06) 与其他实验如此不同,以至于差异(在配对 t 检验中)导致实验之间的差异更大。而在每个条件下实验的方差并不是那么高。这表明条件和实验之间存在交互作用。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。