在具有许多列的两个数据帧列表上执行多个两个样本t检验

如何解决在具有许多列的两个数据帧列表上执行多个两个样本t检验

我有两个带有四个数据帧的列表。这两个列表中的数据框（“ loc_list_future”和“ loc_list_2019”）都有33列：“年”，然后是32种不同气候模型的平均降水值。

loc_list_future中的数据帧看起来像这样，但是总共有32个Model列，数据流到2059年：

Year     Model 1    Model 2      Model 3   ...Model 32
2020    714.1101    686.5888    1048.4274       
2021   1018.0095    766.9161     514.2700      
2022    756.7066    902.2542     906.2877       
2023    906.9675    919.5234     647.6630       
2024    767.4008    861.1275     700.2612     
2025    876.1538    738.8370     664.3342       
2026    781.5092    801.2387     743.8965     
2027    876.3522    819.4323     675.3022       
2028    626.9468    927.0774     696.1884       
2029    752.4084    824.7682     835.1566  
...
2059   

loc_list_2019中的数据帧的年份范围为2006-2019，但其他方面看起来相同。

每个数据框代表一个地理位置，两个列表具有相同的四个位置，但是一个列表用于2006-2019年值，另一个用于将来值。

我想进行两个样本的t检验，以比较2006-19年度的值与每个地点每个模型的未来值。

我还有另一个列表（loc_list_OBS），它的数据帧只有两列“ Year”和“ Mean_Precip”（这是观察到的数据不是基于模型的，这就是为什么平均值只有一列的原因）。我有代码（见下文），将针对将来的数据（loc_list_future）针对观察到的数据（loc_list_OBS）运行两次样本t检验，但是我不确定如何更改此代码以对两个列表运行t检验每个都有32个模型。

myfun <- function(x,y)
{
  OBS_Data <- x$Mean_Precip
  #Empty list
  List <- list()
  #Now loop
  for(i in 2:dim(y)[2])
  {
    #Label
    val <- names(y[,i,drop=F])
    Future_Data <- y[,i]
    #Test
    test <- t.test(OBS_Data,Future_Data,alternative = "two.sided") 
    #Save
    List[[i-1]] <- test
    names(List)[i-1] <- val
  }
  return(List)
}

t.stat <- mapply(FUN = myfun,x=loc_list_OBS,y=loc_list_future,SIMPLIFY = FALSE) 

解决方法

我建议采用下一种方法。我已经创建了类似于您所拥有的虚拟数据。这里的代码：

#Data before
dfb <- structure(list(Year = 2010:2019,Model.1 = c(614.1101,918.0095,656.7066,806.9675,667.4008,776.1538,681.5092,776.3522,526.9468,652.4084),Model.2 = c(586.5888,666.9161,802.2542,819.5234,761.1275,638.837,701.2387,719.4323,827.0774,724.7682),Model.3 = c(948.4274,414.27,806.2877,547.663,600.2612,564.3342,643.8965,575.3022,596.1884,735.1566)),class = "data.frame",row.names = c(NA,-10L))
#Data after
dfa <- structure(list(Year = 2020:2029,Model.1 = c(714.1101,1018.0095,756.7066,906.9675,767.4008,876.1538,781.5092,876.3522,626.9468,752.4084),Model.2 = c(686.5888,766.9161,902.2542,919.5234,861.1275,738.837,801.2387,819.4323,927.0774,824.7682),Model.3 = c(1048.4274,514.27,906.2877,647.663,700.2612,664.3342,743.8965,675.3022,696.1884,835.1566)),-10L))

现在输入代码：

#Data for lists
L.before <- list(df1=dfb,df2=dfb,df3=dfb,df4=dfb)
L.after <- list(df1=dfa,df2=dfa,df3=dfa,df4=dfa)

功能：

#Function
myfun <- function(x,y)
{
  #Create empty list
  List <- list()
  #Loop
  for(i in 2:dim(x)[2])
  {
    name <- names(x[,i,drop=F])
    before <- x[,i]
    after <- y[,i]
    #Test
    test <- t.test(before,after,alternative = "two.sided") 
    #Save
    List[[i-1]] <- test
    names(List)[i-1] <- name
  }
  return(List)
}

应用程序：

#Apply
t.stat <- mapply(FUN = myfun,x=L.before,y=L.after,SIMPLIFY = FALSE)

一些输出：

t.stat[[1]]

$Model.1

    Welch Two Sample t-test

data:  before and after
t = -1.9966,df = 18,p-value = 0.06122
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -205.224021    5.224021
sample estimates:
mean of x mean of y 
 707.6565  807.6565 


$Model.2

    Welch Two Sample t-test

data:  before and after
t = -2.8054,p-value = 0.0117
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -174.88934  -25.11066
sample estimates:
mean of x mean of y 
 724.7764  824.7764 


$Model.3

    Welch Two Sample t-test

data:  before and after
t = -1.4829,p-value = 0.1554
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -241.67613   41.67613
sample estimates:
mean of x mean of y 
 643.1787  743.1787 

让我知道这是否对您有用！