这是您通常需要做的事情
假设检验函数在R创建和输出类的列表对象h.test。此类对象在其文档中列出了一组特定的所需组件，并且print.htest在全局环境中的设置下还具有特殊的打印方法。该打印方法从列表中提取信息，但以您在问题输出中看到的用户友好方式打印它。该列表应包含下面列出的组件，包括用names属性命名几个对象。（您是链接文档中显示的其他一些可选组件。）
测试文字说明
假设的规范
检验统计量和 p 值
estimate：参数的估计值（带有names属性）。该值将是测试函数的数据输入的函数。
statistic：测试统计量的值（带有names属性）。这个值要么是测试函数的数据输入的直接函数，要么是参数估计的函数。
p.value：测试的 p 值（应该是零到一之间的数字）。该值将是检验统计量的函数。
置信区间（可选）
conf.int: 一个置信区间，由一个包含两个元素的向量表示，其中第一个是下限，第二个是上限（带有一个conf.level给出置信水平的属性）。如果您正在使用此组件，最好要求函数将显着性水平作为输入，以指定所需的置信水平。
为了创建自定义假设检验函数，您需要创建一个函数，该函数生成一个列表，其中包含上面显示的所需组件，为您的特定测试定制。对于测试的实质性部分（即估计值、测试统计量、p 值和置信区间），您需要为特定测试使用适当的公式。请注意，您可以将这些元素按任何顺序放在列表中，只要所有必需的元素都在那里。
如果您愿意，还可以将其他组件添加到列表中。最好添加函数的初始部分来检查函数的输入，以确保它们的格式正确，并在输入以某种方式存在缺陷时停止函数并给出错误消息。创建列表后，将对象的类设置为h.test并在函数末尾输出对象。
这是特定测试的实现示例
在一个相关问题中，我给出了一个来自Tarone (1979)的假设检验代码示例。下面是该代码的略微修改版本，作为示例，说明如何为自定义假设检验编写函数。
请注意，代码首先检查输入，然后使用该特定测试的适当名称和公式来构建测试的每个必需组件。计算完这些组件后，我们创建一个名为 的列表对象TEST，由这些元素组成，并将其类设置为h.test。我们在函数的末尾输出这个对象。（还值得观察 的代码data.name，它提取用户输入的变量名。）
Tarone.test <- function(N, M) {
#Check validity of inputs
if(!(all(N == as.integer(N)))) { stop("Error: Number of trials should be integers"); }
if(min(N) < 1) { stop("Error: Number of trials should be positive"); }
if(!(all(M == as.integer(M)))) { stop("Error: Count values should be integers"); }
if(min(M) < 0) { stop("Error: Count values cannot be negative"); }
if(any(M > N)) { stop("Error: Observed count value exceeds number of trials"); }
#Set description of test and data
method <- "Tarone's Z test";
data.name <- paste0(deparse(substitute(M)), " successes from ",
deparse(substitute(N)), " trials");
#Set null and alternative hypotheses
null.value <- 0;
attr(null.value, "names") <- "dispersion parameter";
alternative <- "greater";
#Calculate test statistics
estimate <- sum(M)/sum(N);
attr(estimate, "names") <- "proportion parameter";
S <- ifelse(estimate == 1, sum(N),
sum((M - N*estimate)^2/(estimate*(1 - estimate))));
statistic <- (S - sum(N))/sqrt(2*sum(N*(N-1)));
attr(statistic, "names") <- "z";
#Calculate p-value
p.value <- 2*pnorm(-abs(statistic), 0, 1);
attr(p.value, "names") <- NULL;
#Create htest object
TEST <- list(method = method, data.name = data.name,
null.value = null.value, alternative = alternative,
estimate = estimate, statistic = statistic, p.value = p.value);
class(TEST) <- "htest";
TEST; }
下面我们创建一些计数数据来实现这个测试，看看输出是什么样子的。如您所见，输出与您在其他假设检验中获得的用户友好输出相同R，其中检验的组件已从列表中拉出并以非常简单的方式呈现。输出显示测试的名称并描述数据，然后给出测试的统计量和 p 值。它还描述了备择假设并给出了参数的样本估计。
#Generate example data
TRIALS <- c(30, 32, 40, 28, 29, 35, 30, 34, 31, 39);
COUNTS <- c( 9, 10, 22, 15, 8, 19, 16, 19, 15, 10);
#Apply Tarone's test to the example data
TEST <- Tarone.test(TRIALS, COUNTS);
TEST;
Tarone's Z test
data: COUNTS successes from TRIALS trials
z = 2.5988, p-value = 0.009355
alternative hypothesis: true dispersion parameter is greater than 0
sample estimates:
proportion parameter
0.4359756