R 统计分析：t.test() 与 lm()

在 R 中比较两组数据的均值差异，最常用的方法是 t.test() 函数。但很多人不知道，线性模型函数 lm() 其实也能完成同样的任务，而且结果完全一致。掌握这两种方法的关系，能让你更灵活地处理统计问题。

理解 t 检验的本质

t 检验用于判断两个独立样本（或配对样本）的均值是否存在显著差异。R 中的 t.test() 默认执行的是双样本、方差不齐的 Welch t 检验。

而线性模型 lm(y ~ x) 在 x 是一个二分类因子时，本质上就是在估计两组之间的均值差，并进行假设检验。其 t 统计量和 p 值与 t.test() 完全等价。

步骤一：准备示例数据

创建一个包含两组数值的数据框：

# 设置随机种子确保结果可复现
set.seed(123)

# 生成两组数据：A 组 30 个观测，均值 5；B 组 30 个观测，均值 6
group_A <- rnorm(30, mean = 5, sd = 1.2)
group_B <- rnorm(30, mean = 6, sd = 1.2)

# 合并为长格式数据框（适合 lm）
data <- data.frame(
  value = c(group_A, group_B),
  group = factor(c(rep("A", 30), rep("B", 30)))
)

此时 data 包含两列：value（数值）和 group（因子，取值 "A" 或 "B"）。

步骤二：用 t.test() 进行两样本 t 检验

运行标准的双样本 t 检验：

t_result <- t.test(value ~ group, data = data)
print(t_result)

输出中重点关注：

• t = -3.12（t 统计量）
• df = 57.8（自由度，注意不是整数，说明用了 Welch 校正）
• p-value = 0.0028（双侧 p 值）
• mean in group A = 4.93，mean in group B = 5.89（两组均值）

这说明在 0.05 显著性水平下，两组均值差异显著。

步骤三：用 lm() 实现等价的 t 检验

拟合一个以 group 为预测变量的线性模型：

lm_result <- lm(value ~ group, data = data)
summary(lm_result)

查看输出中的系数表（Coefficients）：

| | Estimate | Std. Error | t value | Pr(>|t|) |
| :------------- | -------: | ---------: | ------: | -------: |
| (Intercept) | 4.93 | 0.21 | 23.48 | <2e-16 |
| groupB | 0.96 | 0.31 | 3.12 | 0.0028 |

关键点：

• (Intercept) 对应 group A 的均值（因为 A 是参考组）。
• groupB 的系数（0.96）表示 B 组比 A 组高 0.96，即均值差。
• groupB 的 t 值（3.12）和 p 值（0.0028）与 t.test() 完全一致（符号相反是因为 t.test 默认 A-B，而 lm 是 B-A）。

注意：lm() 默认使用方差齐性假设（即 pooled variance），而 t.test() 默认使用 Welch 校正（方差不齐）。要让两者完全等价，需在 t.test() 中设置 var.equal = TRUE。

步骤四：强制方差齐性使结果完全一致

重新运行 t 检验并指定方差相等：

t_equal <- t.test(value ~ group, data = data, var.equal = TRUE)
print(t_equal)

此时输出：

• t = -3.12
• df = 58（整数，因为假设方差齐）
• p-value = 0.0028

再看 lm() 的结果，其残差标准误基于合并方差计算，因此：

• lm() 的 t 值 = 3.12
• 自由度 = 60 - 2 = 58
• p 值 = 0.0028

两者现在在数值上完全对应。

步骤五：理解背后的数学关系

当 x 是二分类因子（0/1 编码）时，线性模型：

$$ y_i = \beta_0 + \beta_1 x_i + \varepsilon_i $$

其中：

• $\beta_0$ 是参照组（x=0）的均值
• $\beta_1$ 是两组均值之差

t 检验的原假设 $H_0: \mu_1 = \mu_2$ 等价于 $H_0: \beta_1 = 0$。

在方差齐性假设下，lm() 对 $\beta_1$ 的 t 检验与经典 Student's t 检验完全等价。

何时用哪个？

扩展：配对 t 检验也能用 lm() 吗？

可以，但需要技巧。配对 t 检验本质是对差值做单样本 t 检验。

假设有前后测数据 pre 和 post：

# 方法1：直接用 t.test
t.test(post, pre, paired = TRUE)

# 方法2：用 lm 对差值建模
diff <- post - pre
lm(diff ~ 1)  # 拟合截距模型

lm(diff ~ 1) 的系数就是平均差值，其 t 检验与配对 t 检验一致。

但注意：不能直接用 lm(post ~ pre) 来替代配对 t 检验——那是回归，不是配对比较。

验证你的结果是否一致

编写一个验证脚本确保两种方法输出匹配：

# 提取 t.test 的 t 值和 p 值（方差齐）
tt <- t.test(value ~ group, data = data, var.equal = TRUE)
t_ttest <- tt$statistic
p_ttest <- tt$p.value

# 提取 lm 的对应值
lm_mod <- lm(value ~ group, data = data)
coefs <- summary(lm_mod)$coefficients
t_lm <- coefs["groupB", "t value"]
p_lm <- coefs["groupB", "Pr(>|t|)"]

# 比较（允许微小浮点误差）
all.equal(abs(t_ttest), abs(t_lm))  # 应返回 TRUE
all.equal(p_ttest, p_lm)           # 应返回 TRUE
```

如果返回 `TRUE`，说明你的实现正确。

---

## 处理因子参考水平

`lm()` 的结果依赖于因子的**参考水平**。默认按字母顺序，"A" 是参照组。

**改变**参考组以调整解释方向：

```r
# 将 "B" 设为参照组
data$group <- relevel(data$group, ref = "B")
lm_new <- lm(value ~ group, data = data)
summary(lm_new)

现在 (Intercept) 是 B 组均值，groupA 系数是 A - B 的差值，t 值符号会反转，但 p 值不变。

这在解释结果时非常有用，尤其当你想让“对照组”作为基准。

总结关键对应关系

• t.test(..., var.equal = TRUE) 的 均值差 = lm() 中非截距项的 Estimate
• t.test 的 t 统计量（绝对值） = lm() 系数表中的 t value
• 两者 p 值 完全相同（在方差齐性假设下）
• t.test 的 自由度 = lm() 的 残差自由度（n - 2）

掌握这种对应关系，你就能在简单检验和复杂模型之间自由切换，而不必重复学习两套逻辑。