不等长两组LST数据的差异显著性检验方法问询（LULC场景）

为什么你之前的代码报错？ #

你用的t.test(compact_midrise_1990$LST1990 ~ compact_midrise_2010$LST2010)是配对数据的写法，但你的1990和2010年LST数据是完全独立的两组样本（样本量还不一样），公式里的两个向量长度不匹配，自然报错。

解决办法 #

1. 直接用独立样本t检验（优先选，前提满足的话） #

针对独立的不等长样本，直接把两个向量传给t.test()的x和y参数就行，不用公式：

t.test(x = compact_midrise_1990$LST1990, y = compact_midrise_2010$LST2010)

• 注意事项：
  • 先检查数据是否符合t检验要求：用shapiro.test()看两组数据是否服从正态分布，var.test()看方差是否齐。
  • 如果方差不齐，不用额外操作，t.test()默认会用Welch检验（比传统t检验更适合方差不齐的情况）。

2. 非参数检验（数据不满足正态性时用） #

要是两组数据都不服从正态分布，就用Wilcoxon秩和检验（也就是Mann-Whitney U检验），同样支持不等长样本：

wilcox.test(x = compact_midrise_1990$LST1990, y = compact_midrise_2010$LST2010)

可选：把数据转成长格式（方便后续分析） #

如果之后还要做可视化或者批量检验，把两组数据合并成一个长格式数据框会更方便，这时也能用公式形式的检验：

library(dplyr)
library(tidyr)

# 整理1990年数据
df_1990 <- compact_midrise_1990 %>%
  select(LST1990) %>%
  rename(LST = LST1990) %>%
  mutate(Year = 1990)

# 整理2010年数据
df_2010 <- compact_midrise_2010 %>%
  select(LST2010) %>%
  rename(LST = LST2010) %>%
  mutate(Year = 2010)

# 合并成一个数据框
combined_df <- rbind(df_1990, df_2010)

# 用公式形式做检验
t.test(LST ~ Year, data = combined_df)

内容的提问来源于stack exchange，提问作者BansheeEve