Korelasi dan uji t

R untuk Pengguna SAS

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Perbandingan korelasi SAS dan R

sas proc corr mirip fungsi r psych corr.test di r

kode sas dan r untuk korelasi

Korelasi dengan paket psych

# Correlations with psych::corr.test()
daviskeep %>%
  select(bmi, weight, height) %>%
  psych::corr.test()

Call:psych::corr.test(x = .)
Correlation matrix
        bmi weight height
bmi    1.00   0.88   0.38
weight 0.88   1.00   0.77
height 0.38   0.77   1.00
Sample Size
[1] 199
Probability values (Entries above the
diagonal are adjusted for multiple tests.)
       bmi weight height
bmi      0      0      0
weight   0      0      0
height   0      0      0

Matriks sebar SAS dan R

pernyataan plots matrix untuk sas proc corr dan ggpairs dari paket GGally

kode SAS dan R untuk membuat matriks sebar

Matriks sebar - fungsi GGally::ggpairs()

# Matrix plot with GGally::ggpairs()
daviskeep %>%
  select(bmi, weight, height) %>%
  GGally::ggpairs()

matriks sebar menggunakan fungsi ggpairs dari paket GGally

Matriks sebar - ggpairs per grup

# Color points by sex group
daviskeep %>%
  select(bmi, weight, height, sex) %>%
  GGally::ggpairs(aes(color = sex))

matriks sebar menggunakan fungsi ggpairs dari paket GGally menurut jenis kelamin

Statistik deskriptif per grup

Tanpa jumlah per grup

# Dapatkan mean dan sd untuk bmi per jenis kelamin
daviskeep %>% group_by(sex) %>%
  select(sex, bmi) %>%
  summarise(across(everything(),
                   list(mean = ~ mean(.x),
                        sd = ~ sd(.x))))

# A tibble: 2 × 3
  sex   bmi_mean bmi_sd
  <fct>    <dbl>  <dbl>
1 F         21.0   2.18
2 M         23.9   3.12

Dengan jumlah per grup

# Tambahkan N = n(), dapatkan mean, sd untuk bmi per jenis kelamin
daviskeep %>% group_by(sex) %>%
  select(sex, bmi) %>%
  summarise(across(everything(), 
                   list(mean = ~ mean(.x), 
                        sd = ~ sd(.x))),
            N = n())

# A tibble: 2 × 4
  sex   bmi_mean bmi_sd     N
  <fct>    <dbl>  <dbl> <int>
1 F         21.0   2.18   111
2 M         23.9   3.12    88

¹ https://dplyr.tidyverse.org/reference/context.html

Uji t di SAS dan R

sas proc ttest mirip penggunaan fungsi r var.test dan t.test

kode sas dan r untuk uji t pooled dan unpooled

Uji t - cek kesamaan varians

# Perform equal variance test
var.test(bmi ~ sex, data = daviskeep)

    F test to compare two variances

data:  bmi by sex
F = 0.48637, num df = 110, denom df = 87, p-value = 0.0003668

alternative hypothesis: true ratio of variances is not equal to 1

95 percent confidence interval:
 0.3244691 0.7221946

sample estimates:
ratio of variances
         0.4863699

Uji t - pooled dan unpooled

# UNPOOLED t-test bmi by sex
t.test(bmi ~ sex,
       data = daviskeep)

Welch Two Sample t-test

data:  bmi by sex
t = -7.5158, df = 149.45,
  p-value = 4.819e-12
alternative hypothesis: true difference
  in means is not equal to 0
95 percent confidence interval:
 -3.716353 -2.169035
sample estimates:
mean in group F mean in group M
       20.95632        23.89901

# POOLED t-test bmi by sex
t.test(bmi ~ sex, data = daviskeep,
       var.equal = TRUE)

    Two Sample t-test

data:  bmi by sex
t = -7.8239, df = 197,
  p-value = 3.055e-13
alternative hypothesis: true difference
  in means is not equal to 0
95 percent confidence interval:
 -3.684428 -2.200960
sample estimates:
mean in group F mean in group M
       20.95632        23.89901

Mari jelajahi hubungan bivariat pada abalon!

R untuk Pengguna SAS