為什么R的t檢驗函數存在錯誤和/或不一致的自由度？

Question

我有一個簡單的問題。 我已經在R中看到了t檢驗和相關性的這種行為。

我做了一個簡單的配對t檢驗（在這種情況下，兩個長度為100的向量）。 所以配對t檢驗的df應該是99.但是這不是t檢驗結果輸出中出現的。

dataforTtest.x <- rnorm(100,3,1)
dataforTtest.y <- rnorm(100,1,1)
t.test(dataforTtest.x, dataforTtest.y,paired=TRUE)

這個輸出是：

Paired t-test

data:  dataforTtest.x and dataforTtest.y
t = 10, df = 100, p-value <2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
1.6 2.1
sample estimates:
mean of the differences 
                1.8 

但是，如果我實際查看結果對象，則df是正確的。

> t.test(dataforTtest.x, dataforTtest.y,paired=TRUE)[["parameter"]]

df 
99 

我錯過了一些非常愚蠢的東西嗎？ 我正在運行R版本3.3.0（2016-05-03）

Answer 1

如果舍入數字的全局設置在R中發生變化，則可能會發生此問題，這可以通過選項（數字= 2）來完成。

在更改此設置之前，請注意t檢驗的結果：

    Paired t-test

data:  dataforTtest.x and dataforTtest.y
t = 13.916, df = 99, p-value < 2.2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 1.700244 2.265718
sample estimates:
mean of the differences 
               1.982981 

設置選項（數字= 2）后：

Paired t-test

data:  dataforTtest.x and dataforTtest.y
t = 13.916, df = 100, p-value < 2.2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 1.700244 2.265718
sample estimates:
mean of the differences 
                      2 

在R中，出於這個原因更改全局設置可能很危險。 在用戶不知情的情況下，它可以完全改變統計分析的結果。 相反，我們可以直接在數字上使用round（）函數，或者對於這樣的測試結果，我們可以將它與掃帚包結合使用。

round(2.949,2)
[1] 2.95

#and

require(broom)

glance(t.test(dataforTtest.x, dataforTtest.y,paired=TRUE))

estimate statistic      p.value parameter cnf.low cnf.high       method alternative
1.831433  11.31853 1.494257e-19        99 1.51037 2.152496 Paired t-test  two.sided