使用R执行Kruskal-Wallis与Dunn检验结果与Prism不符及报错问题

核心问题 #

• Prism结果显示3个分面中对照组与各处理组均存在显著差异，但R复现结果不符
• 遇到两类报错：
  • stat_signif()报错：所有观测值在同一组
  • 自定义KW函数后summarise()报错：参数y缺失，无默认值

报错1：stat_signif()计算失败 #

原因 #

分组变量的子集（某分面）中仅存在一组有效数据，或因子水平定义错误导致分组识别失败。

解决步骤 #

1. 验证分组数据完整性
   用以下代码检查每个分面下的分组样本量，确保每个分面都有对照组和处理组的有效数据：

   library(dplyr)
   your_data %>%
     group_by(facet_var, treatment_var) %>%
     tally()
   

2. 明确因子水平
   手动指定处理组的因子顺序，避免自动排序导致分组混乱：

   your_data$treatment_var <- factor(your_data$treatment_var, 
                                     levels = c("Control", "Treatment1", "Treatment2"))
   

3. 精准设置stat_signif()参数
   加载dunn.test包，明确指定对比组和校正方法（匹配Prism的Bonferroni校正）：

   library(ggplot2)
   library(ggsignif)
   library(dunn.test)
   
   ggplot(your_data, aes(x = treatment_var, y = response_var)) +
     geom_boxplot() +
     facet_wrap(~facet_var) +
     stat_signif(comparisons = list(c("Control", "Treatment1"), 
                                    c("Control", "Treatment2")),
                 test = "dunn.test",
                 method = "bonferroni")
   

报错2：自定义KW函数的summarise()报错 #

原因 #

自定义函数未明确绑定响应变量，或summarise()调用时未正确传递变量参数。

解决步骤 #

1. 重构自定义KW函数
   明确指定函数参数，确保能正确接收数据、响应变量和分组变量：

   kw_group_test <- function(data, y_col, group_col) {
     kruskal.test(reformulate(group_col, y_col), data = data)
   }
   

2. 正确调用函数
   使用cur_data()传递当前分组数据，明确指定变量名：

   your_data %>%
     group_by(facet_var) %>%
     summarise(kw_result = list(kw_group_test(cur_data(), "response_var", "treatment_var")))
   

匹配Prism结果的关键细节 #

1. 多重校正一致性
   Prism的Dunn检验默认使用Bonferroni校正，R中需手动指定method = "bonferroni"，避免默认校正方法差异导致结果不同。
2. 数据一致性验证
   检查R导入的数据与Prism使用的数据是否完全一致：
   • 确认无缺失值、行错位
   • 确认响应变量为数值型，分组变量为因子型
3. 分组逻辑对齐
   确保R中按分面分组后执行检验的逻辑，与Prism的分面分析逻辑完全一致（比如是否每个分面独立做检验）

内容的提问来源于stack exchange，提问作者RayzedByRobots