Comment Effectuer un Test T pour Plusieurs Groupes dans R

plot of chunk t-tests-for-multiple-groups-in-r

21 Mar

Comment Effectuer un Test T pour Plusieurs Groupes dans R

Prérequis

# Charger les packages R requis
library(tidyverse)
library(rstatix)
library(ggpubr)
   
# Préparer les données et inspecter un échantillon aléatoire des données
data("PlantGrowth")
set.seed(1234)
PlantGrowth %>% sample_n_by(group, size = 1)

## # A tibble: 3 x 2
##   weight group
##    <dbl> <fct>
## 1   5.58 ctrl 
## 2   6.03 trt1 
## 3   4.92 trt2

Statistiques descriptives

PlantGrowth %>%
  group_by(group) %>%
  get_summary_stats(weight, type = "mean_sd")

## # A tibble: 3 x 5
##   group variable     n  mean    sd
##   <fct> <chr>    <dbl> <dbl> <dbl>
## 1 ctrl  weight      10  5.03 0.583
## 2 trt1  weight      10  4.66 0.794
## 3 trt2  weight      10  5.53 0.443

Comparer la moyenne de plusieurs groupes à l’aide du test ANOVA

res.aov <- PlantGrowth %>% anova_test(weight ~ group)
res.aov

## ANOVA Table (type II tests)
## 
##   Effect DFn DFd    F     p p<.05   ges
## 1  group   2  27 4.85 0.016     * 0.264

Le tableau ANOVA ci-dessus montre qu’il existe des différences significatives entre les groupes (p = 0,016), qui sont mises en évidence par "*", F(2, 27) = 4,85, p = 0,016, eta2[g] = 0,26.

Tests par paires pour plusieurs groupes

# Comparaisons par paires
pwc <- PlantGrowth %>%
  pairwise_t_test(weight ~ group, p.adjust.method = "bonferroni")
pwc

## # A tibble: 3 x 9
##   .y.    group1 group2    n1    n2       p p.signif  p.adj p.adj.signif
## * <chr>  <chr>  <chr>  <int> <int>   <dbl> <chr>     <dbl> <chr>       
## 1 weight ctrl   trt1      10    10 0.194   ns       0.583  ns          
## 2 weight ctrl   trt2      10    10 0.0877  ns       0.263  ns          
## 3 weight trt1   trt2      10    10 0.00446 **       0.0134 *

Visualisation : Boxplots avec p-values

# Afficher les p-values ajustées
pwc <- pwc %>% add_xy_position(x = "group")
ggboxplot(PlantGrowth, x = "group", y = "weight") +
  stat_pvalue_manual(pwc, label = "p.adj", tip.length = 0, step.increase = 0.1) +
  labs(
    subtitle = get_test_label(res.aov, detailed = TRUE),
    caption = get_pwc_label(pwc)
    )

plot of chunk t-tests-for-multiple-groups-in-r

# Afficher les niveaux de significativité
# Cacher les tests non significatifs
ggboxplot(PlantGrowth, x = "group", y = "weight") +
  stat_pvalue_manual(pwc, hide.ns = TRUE, label = "p.adj.signif") +
  labs(
    subtitle = get_test_label(res.aov, detailed = TRUE),
    caption = get_pwc_label(pwc)
    )

plot of chunk t-tests-for-multiple-groups-in-r