在R中进行双样本t检验：性别与收入占比的组间差异分析问题

我有如下数据框：

df <- structure(list(ID = c(243, 292, 317, 388, 398, 404, 463, 473, 
842, 844, 858, 862, 869, 871, 879, 888), Zone = c(1, 1, 1, 1, 
1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2), Gen = c("Male", "Male", 
"Other Gender Identity", "Male", "Male", "Male", "Male", "Female", 
"Female", "Male", "Female", "Male", "Male", "Male", "Male", "Female"
), Month_Inc = c("< $1,500", "< $1,500", "< $1,500", "$1,500 - $1,999", 
"$1,500 - $1,999", "< $1,500", "< $1,500", "< $1,500", "$1,500 - $1,999", 
"$2,000 - $2,499", "$1,500 - $1,999", "< $1,500", "$2,500 - $2,999", 
"< $1,500", "< $1,500", "< $1,500")), row.names = c(NA, -16L), class = c("tbl_df", 
"tbl", "data.frame"))

需要完成两个检验：

• 检验两个区域中女性占比的统计差异（原假设H₀：两区域女性占比相等；备择假设H₁：两区域女性占比不相等）
• 检验两个区域中收入水平的组间占比差异

尝试用t.test(Gen ~ Zone, mu = 0, alt = "two.sided", conf= 0.95, paired = FALSE, ver.equal = FALSE, data= df)未得到预期结果，需要修正代码。

核心问题是错误地将t检验用于分类变量的比例/分布检验：t检验仅适用于连续变量的均值比较，而你要检验的是分类变量（性别、收入）在不同区域的分布差异，需选择对应方法：

一、检验两区域女性占比差异 #

需将性别变量转换为二分类聚焦女性群体，使用两样本比例检验（prop.test）：

步骤1：统计各区域女性及总人数 #

# 生成区域与是否为女性的交叉表
female_counts <- table(df$Zone, df$Gen == "Female")
female_counts

输出示例：

FALSE TRUE
  1     7    1
  2     5    3

步骤2：执行比例检验 #

# x为各区域女性人数，n为各区域总人数
prop.test(x = c(1, 3), n = c(8, 8), alternative = "two.sided", conf.level = 0.95)

该检验直接针对两区域女性占比是否相等完成假设检验，完全匹配你的需求。

二、检验两区域收入水平的分布差异 #

收入是多分类变量，使用卡方独立性检验（chisq.test），验证收入水平与区域是否独立：

步骤1：生成收入与区域的列联表 #

income_table <- table(df$Zone, df$Month_Inc)
income_table

步骤2：执行卡方检验 #

chisq.test(income_table)

若单元格期望频数过小（如<5），可添加模拟参数提升结果可靠性：

chisq.test(income_table, simulate.p.value = TRUE)

原代码无效原因 #

t.test要求因变量为连续数值型变量，而Gen是字符型分类变量，无法计算均值，因此输出无意义结果。必须针对分类变量的比例/分布选择对应检验方法。

内容的提问来源于stack exchange，提问作者Tathagato