这篇文章介绍一个R包，名为{interpretCI}，可用于画出均数以及均数差值的置信区间，并且还可以一键出文档，进一步帮助解释统计结果。相信对于了解置信区间这一统计核心概念会非常有帮助。install.packages("interpretCI")
install.packages("PairedData")
library(interpretCI)
library(PairedData)
使用meanCI函数（这个R包的核心函数）计算一个均数的置信区间，以mpg变量为例，代码如下：
结果中的lower和upper为置信区间的下限和上限。
meanCI(mtcars$mpg) |>
plot()
上图左侧画出了mpg的原始数据散点，右侧部分为均数的95%置信区间。如果希望更加详细的了解上述统计结果的解释，还可以使用代码查看详细的解释（这个功能很赞！），代码如下：
interpret(meanCI(mtcars$mpg))
右侧Viewer会出一个详细的文档，各位可以进一步拿去学习！
假如希望比较第一个变量（Sepal.Length）和第二个变量（Sepal.Width）的均数，那该怎么做？代码如下：
meanCI(iris$Sepal.Length, iris$Sepal.Width)
上述的结果其实与独立样本t检验的结果是一样的，代码如下：
t.test(iris$Sepal.Length, iris$Sepal.Width)
可以比较上面两种方法得到的均数差值，以及置信区间，发现结果是一样的。还可以将上述的结果进行作图，会更加的直观，代码如下：meanCI(iris$Sepal.Length, iris$Sepal.Width) |>
plot(ref = "control", side = FALSE)
图片的上半部分为两个变量的数据点，以蜂群图（swarmplot）的形式呈现。散点的右侧为对应的置信区间。
图片的下半部分为均数差值（y-x），以及对应的置信区间。data(Anorexia)
summary(Anorexia)
下一步，比较两个时间点（Prior和Post）的均数，并且直接画图，代码如下：
meanCI(Anorexia, Prior, Post, paired = TRUE) |>
plot(ref = "test", side = FALSE)
上述两个时间点的作图非常的直观漂亮，同时非常的实用！同样，也使用R自己的函数进行配对t检验，查看结果是否一致，代码如下：
t.test(Anorexia$Prior, Anorexia$Post, paired = TRUE)
回到iris数据集，将比较不同Species（三个组）的Sepal.Length水平。
meanCI(iris, Species, Sepal.Length)
meanCI(iris, Species, Sepal.Length) |> plot()
与两个组别的比较类似，上半部分展示了三个组别数据点以及置信区间；下半部分展示了其他两个组别与setosa（作为参照组）的比较。为了让下半部分的差值比较更清晰，最好添加上一个横线0，代码如下：meanCI(iris, Species, Sepal.Length,
mu = 0) |> plot()
从上图的下半部分结果可知，差值以及置信区间距离0较远，没有交集，提示上述的组别比较存在统计学差异。再举一个例子，这个R包还可以处理多个配对样本的比较。
假设现在希望将X1-Y1，X2-Y2，以及X3-Y3之间三个配对比较同时展示在一张图上，那可以这么做，代码如下：
meanCI(anscombe2,
idx = list(c("X1","Y1"),
c("X2","Y2"),
c("X3","Y3")),
paired = TRUE, mu = 0) |>
plot()
非常漂亮！对于需要这种类型的比较来说，将会非常实用！
最后一个例子，这个R包还可以处理以下这种情况，即含有一个分类变量，但包含多个连续变量。
现在假设研究者希望比较sex组别的TC, TG以及HDLC，那可以这么做，代码如下：
acs |>
subset(select = c(sex, TC, TG, HDLC)) |>
meanCI(sex, mu = 0)
acs |>
subset(select = c(sex, TC, TG, HDLC)) |>
meanCI(sex, mu = 0) |>
plot()
图太美了！虽然上述比较都没有统计学差异![]()
。
好啦，今天的内容就到这里。如果有帮助，记得分享给需要的人![]()
！https://cran.r-project.org/web/packages/interpretCI/index.html
【通过公众号菜单栏--线上课程--新手课程/回归课程】公众号核心成员担任SCI杂志Associate Editor!▌课程相关咨询可添加R师妹微信: kefu_rstats
