Corrélations et tests t

R pour les utilisateurs et utilisatrices de SAS

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Comparer les corrélations : SAS et R

proc corr de SAS et fonction corr.test de psych dans R

codes SAS et R pour les corrélations

Corrélations avec le paquet 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

Matrice de nuages de points : SAS et R

instruction plots matrix de proc corr et ggpairs du paquet GGally

codes SAS et R pour créer une matrice de nuages de points

Matrice de nuages – fonction GGally::ggpairs()

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

matrice de nuages de points avec ggpairs du paquet GGally

Matrice de nuages – ggpairs par groupe

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

matrice de nuages de points avec ggpairs par sexe

Statistiques descriptives par groupe

Aucun effectif par groupe

# Get mean and sd for bmi by sex
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

Avec effectifs par groupe

# Add N = n(), get mean, sd for bmi by sex
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

Tests t : SAS et R

proc ttest de SAS, équivalents var.test et t.test dans R

codes SAS et R pour tests t avec et sans mise en commun

Tests t – vérifier l'égalité des variances

# 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

Tests t – avec et sans mise en commun

# 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

Explorons les relations bivariées chez les abalones !

R pour les utilisateurs et utilisatrices de SAS