R语言提供t.test()函数可以进行各种各样的t检验。与其他统计包不同的是，t.test()函数默认数据是异方差的，并采用Welch方法矫正自由度，关于异方差和Welch方法我会在后续的内容中详细介绍，大家先有一个印象即可。
在这里我将利用R里内置的鸢尾花数据集（iris）向大家展示如何进行t检验，这里iris数据集是由150朵鸢尾花的花瓣长度、花瓣宽度、花萼长度、花萼宽度以及鸢尾花种类组成。
代码语言：javascript复制setosa <- iris[which(iris$Species=='setosa'),] #提取setosa类的鸢尾花
versicolor <- iris[which(iris$Species=='versicolor'),] #提取versicolor类的鸢尾花
mydata <- rbind(setosa,versicolor) #按行合并数据集
# 独立双样本t检验
t.test(y~x) # y是一个数值型向量，而x是一个二分类变量
t.test(mydata$Sepal.Length~mydata$Species) #检验不同鸢尾花花萼长度差异
从这里我们可以看出两种不同的鸢尾花（setosa和versicolor）在花萼长度上有显著的差异（p-value < 2.2e-16），同时可以看出setosa的花萼比较短（mean=5.006）。
代码语言：javascript复制# 独立双样本t检验
t.test(y1,y2) # y1和y2均为数值型向量
t.test(setosa$Sepal.Length, versicolor$Sepal.Length) #检验不同鸢尾花花萼长度差异
# 配对t检验
t.test(y1,y2,paired=TRUE) # y1和y2均为数值型向量
# 单样本t检验
t.test(y,mu=3) # 原假设H0:mu=3(mu就是指总体的均值)
# 这里就不赘述配对t检验和单样本t检验，它们的使用方法和两独立样本t检验类似，只是分别多了参数paired=TRUE和mu=3。当然，在这里你也可以设置参数var.equal=TURE,指定样本之间是等方差的，也可以通过alternative=这个参数来指定单侧检验。
现在我们以两独立样本t检验为例看看同方差和单侧检验和前面的结果有何区别:
代码语言：javascript复制t.test(Sepal.Length~Species,var.equal=TRUE) #检验不同鸢尾花花萼长度差异
可以看出，这里的自由度df=98和之前的自由度df=86.538是不一样的，因为Welch主要通过调整自由度来矫正异方差性。
代码语言：javascript复制t.test(Sepal.Length~Species,alternate= "greater") #检验不同鸢尾花花萼长度差异
好了，关于t检验的内容就分享到这里，大家先学会如何使用R进行t检验分析即可，后续我会介绍相关理论！
