R语言如何对数据框分组变量批量运行ANOVA与T检验

实现思路 #

• 按Item字段拆分原始数据，每个物品对应独立的子数据集
• 逐个子集判断有效分组数量，自动匹配检验方法：
  • 有效分组数<2：无法开展组间均值比较，返回NA
  • 有效分组数=2：采用Welch双样本T检验（不强制要求组间方差齐性，结果更稳健）
  • 有效分组数≥3：采用单因素ANOVA检验
• 提取每个检验结果的P值，和物品名称一一匹配，合并为最终汇总表

可直接运行的实现代码 #

# 加载依赖包，首次运行先执行安装命令：install.packages("dplyr")
library(dplyr)

# --------------- 替换为你自己的数据读入代码 ---------------
# 以下为模拟测试数据，实际使用时替换为自己的数据读入逻辑，比如df <- read.csv("你的数据文件路径.csv")
df <- data.frame(
  Item = rep(c("Book A", "Book B", "Book C", "Book D"), each = 15),
  Cost = c(rnorm(15, 20, 3), rnorm(15, 35, 5), rnorm(15, 12, 2), rnorm(15, 50, 7)),
  Grouping = rep(c("A", "B", "C"), 20)
)
# -----------------------------------------------------------

# 定义单物品检验函数
calc_item_p <- function(sub_data) {
  valid_groups <- unique(na.omit(sub_data$Grouping))
  group_count <- length(valid_groups)
  
  if (group_count < 2) {
    return(NA_real_)
  } else if (group_count == 2) {
    t_res <- t.test(Cost ~ Grouping, data = sub_data)
    return(t_res$p.value)
  } else {
    aov_res <- aov(Cost ~ Grouping, data = sub_data)
    aov_sum <- summary(aov_res)
    return(aov_sum[[1]][["Pr(>F)"]][1])
  }
}

# 批量计算所有物品的检验结果，生成汇总表
result_table <- df %>%
  group_by(Item) %>%
  group_modify(~ data.frame(p_value = calc_item_p(.x))) %>%
  ungroup()

# 打印查看结果
print(result_table)

结果说明 #

• 最终生成的result_table即为要求的结构化汇总表，每行对应一个物品，列分别为物品名称、检验P值，检验原假设为该物品所有分组下成本均值一致
• 若P值低于预设显著性水平（常用阈值为0.05），即可拒绝原假设，判定对应物品不同分组的成本均值存在显著差异
• 若某物品仅在1个分组下有观测数据，对应P值返回NA，可根据实际业务规则处理这类条目

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