t.test 返回错误“数据基本不变”

机器算法验证 r t检验
2022-03-18 22:23:41 
R version 3.1.1 (2014-07-10) -- "Sock it to Me"
> bl <- c(140, 138, 150, 148, 135)
> fu <- c(138, 136, 148, 146, 133)
> t.test(fu, bl, alternative = "two.sided", paired = TRUE)
Error in t.test.default(fu, bl, alternative = "two.sided", paired = TRUE) : 
data are essentially constant

然后我只更改我的 fu 数据集中的一个字符：

> fu <- c(138, 136, 148, 146, 132)

它运行...

> t.test(fu, bl, alternative = "two.sided", paired = TRUE)

    Paired t-test

我在这里想念什么？

1个回答

正如评论中所涵盖的，问题在于差异都是 2（或 -2，取决于你写成对的方式）。

回答评论中的问题：

所以这意味着就统计而言，不需要花哨的 t.test 并且可以肯定的是，对于每个主题，与 bl 相比，fu 会减少 -2？

嗯，这取决于。

如果差异的分布确实是正态的，那将是结论，但可能是正态性假设是错误的，并且测量值的差异分布实际上是离散的（也许在您希望对其进行推断的人群中通常为 -2但有时与 -2 不同）。

事实上，看到所有数字都是整数，似乎离散性可能就是这种情况。

...在这种情况下，无法确定总体中的所有差异都将是-2-更多的是样本中缺乏证据表明总体差异意味着与-2有任何不同。

（例如，如果 87% 的总体差异为 -2，那么 5 个样本差异中的任何一个都只有 50-50 的机会不是 -2。因此，样本与 -2 的差异非常一致在人口中）

但是你也会被引导质疑假设对 t 检验的适用性——尤其是在如此小的样本中。

其它你可能感兴趣的问题
上一篇R：检验线性模型残差的正态性——使用哪些残差 下一篇非中心性参数 - 它是什么，它有什么作用，建议值是多少？