等分散でないときのt検定(ウェルチのt検定)
同様に、下記のようなデータに対して分析をしてみます。
> a [1] 8.81 8.35 8.62 9.11 8.38 9.15 9.22 8.20 9.38 7.57 > b [1] 8.27 8.05 8.32 8.08 8.95 8.22 7.81 8.43 8.21 8.17
まずはF検定
> var.test(a, b) F test to compare two variances data: a and b F = 3.5907, num df = 9, denom df = 9, p-value = 0.07053 alternative hypothesis: true ratio of variances is not equal to 1 95 percent confidence interval: 0.8918783 14.4561248 sample estimates: ratio of variances 3.590697
検定の結果、両側検定のP値が10%を下回っているので、AとBは等分散ではないとみなせます。
この場合、t検定はvar.equal=T を付けないt.testを用います。実行すると「Welch」というのが出てきますね。
> t.test(a, b) Welch Two Sample t-test data: a and b t = 2.12, df = 13.652, p-value = 0.05284 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: -0.006049496 0.862049496 sample estimates: mean of x mean of y 8.679 8.251
ここでの両側検定のP値は0.05284なので、片側に直すと、0.02642。したがって5%以下なので、Bの平均がAの平均と等しい仮説は棄却され、Bの平均がAの平均よりも小さいといえます。