정규성검정 및 두집단비교-일반적인 특징(성별포함)

[이한숙]

# 필요한 패키지 설치
install.packages("dplyr")
install.packages("openxlsx")  # 엑셀 파일 저장용

# 패키지 불러오기
library(dplyr)
library(openxlsx)  # 엑셀 저장용

데이터 불러오기

> data <- read.csv("20250223r.csv")

> sapply(data, class)   #  변수타입을 확인: 숫자변수 중 범주형으로 바꾸어야 할경우 아래의 명령어 사용

> # 데이터 구조 확인

> str(data)

# 📌 주요 컬럼 타입 변환
data$group <- as.factor(data$group)  # 집단 구분 (1: 정상, 2: 인지손상)
data$condition <- as.factor(data$condition)
data$sex <- as.factor(data$sex)

또는 아래와 같이 변환해도 가능: 라벨을 붙임

 > data$group <- factor(data$group, levels = c(1, 2), labels = c("Normal", "Cognitive Impairment"))

> str(data$group) 

# 필요한 패키지 불러오기
library(dplyr)
library(openxlsx)

# 정규성 검정 결과 저장용 리스트 초기화
shapiro_results <- list()

# 정규성 검정 수행
for (var in names(data)) {
  if (var == "group") next  # group 변수 제외
  if (!is.numeric(data[[var]])) next  # 숫자형 변수만 검정
  
  for (group in unique(data$group)) {
    # 그룹별 데이터 추출
    values <- na.omit(data[[var]][data$group == group])
    
    # 데이터 수가 3개 미만인 경우 제외
    if (length(values) < 3) {
      shapiro_results[[length(shapiro_results) + 1]] <- list(
        Variable = var,
        Group = as.character(group),
        Sample_Size = length(values),
        P_Value = NA,
        Result = "데이터 수 부족"
      )
      next
    }
    
    # Shapiro-Wilk 정규성 검정
    shapiro_test <- shapiro.test(values)
    
    # 결과 저장
    shapiro_results[[length(shapiro_results) + 1]] <- list(
      Variable = var,
      Group = as.character(group),
      Sample_Size = length(values),
      P_Value = round(shapiro_test$p.value, 5),
      Result = ifelse(shapiro_test$p.value > 0.05, "정규분포", "비정규분포")
    )
  }
}

# 결과를 데이터프레임으로 변환
shapiro_df <- do.call(rbind, lapply(shapiro_results, as.data.frame))

# 결과 출력
print(shapiro_df)

# ✅ 엑셀로 저장: 저장하기전에 XLSX라이브러리가 꼭 다운되어야 불러오기시 한글이 깨지지 않음
write.xlsx(shapiro_df, "shapiro_test_results.xlsx", row.names = FALSE)
cat("정규성 검정 결과가 'shapiro_test_results.xlsx'에 저장되었습니다.\n")

코드 설명:

• for (var in names(data)): 모든 컬럼에 대해 반복
• if (!is.numeric(data[[var]])) next: 숫자형 컬럼만 정규성 검정
• if (length(values) < 3): 샘플이 너무 적으면 검정 제외
• shapiro.test(values): Shapiro-Wilk 정규성 검정
• cat(): 변수명, 집단명, p-value 및 결과 출력

# 두집단 비교를 위하여 패캐지 설치: 정규성 검정 후
> library(dplyr)

> library(openxlsx)

# 분석할 변수 설정
general_vars <- c("height", "weight", "rtleglength", "ltleglength", "age", "edu", "mmse")
gait_vars <- c("loadingresponsetime", "loadingresponsegc", "midstancetime", "midstancegc", 
               "terminalstancetime", "terminalstancegc", "preswingtime", "preswinggc", 
               "swingphasetime", "swingphasesi", "firstdsp", "firstdspsi", "seconddsp", 
               "seconddspsi", "cadence", "cadencero", "cadencesi", "stancetimesi", 
               "swingtimesi", "stridetimesi", "cofsi")
categorical_vars <- c("sex")  # 범주형 변수

# 결과 저장용 데이터프레임 초기화
comparison_results <- data.frame(
  Variable = character(),
  Group1_Value = character(),
  Group2_Value = character(),
  P_Value = numeric(),
  Result = character(),
  stringsAsFactors = FALSE
)

# ✅ 연속형 변수 비교 (일반 특성 + 보행 특성)
for (var in c(general_vars, gait_vars)) {
  group1_data <- na.omit(data[[var]][data$group == "Normal"])
  group2_data <- na.omit(data[[var]][data$group == "Cognitive Impairment"])
  
  if (length(group1_data) < 3 | length(group2_data) < 3) next
  
  # 평균 및 표준편차 계산
  mean_g1 <- mean(group1_data)
  sd_g1 <- sd(group1_data)
  mean_g2 <- mean(group2_data)
  sd_g2 <- sd(group2_data)
  
  # 정규성 검정
  shapiro_g1 <- shapiro.test(group1_data)
  shapiro_g2 <- shapiro.test(group2_data)
  
  # 정규성 여부에 따른 테스트 선택
  if (shapiro_g1$p.value > 0.05 & shapiro_g2$p.value > 0.05) {
    test <- t.test(group1_data, group2_data)
    test_type <- "t-test"
  } else {
    test <- wilcox.test(group1_data, group2_data)
    test_type <- "Mann-Whitney U test"
  }
  

코딩 설명

• if (shapiro_g1$p.value > 0.05 & shapiro_g2$p.value > 0.05)
  → 두 그룹 모두 정규성을 만족할 경우:

  • 독립 표본 t-test (t.test)를 사용합니다.
  • test_type 변수에 **"t-test"**라고 저장.

• else
  → 하나라도 정규성을 따르지 않는 경우:

  • 비모수 검정인 Mann-Whitney U test (wilcox.test)를 사용합니다.
  • test_type 변수에 **"Mann-Whitney U test"**라고 저장

  # 결과 저장
  comparison_results <- rbind(
    comparison_results,
    data.frame(
      Variable = var,
      Group1_Value = paste0(round(mean_g1, 2), " ± ", round(sd_g1, 2)),
      Group2_Value = paste0(round(mean_g2, 2), " ± ", round(sd_g2, 2)),
      P_Value = round(test$p.value, 5),
      Result = ifelse(test$p.value < 0.05, paste0("유의한 차이 있음 (", test_type, ")"), "유의한 차이 없음")
    )
  )
}

# ✅ 범주형 변수 비교 (성별)
for (var in categorical_vars) {
  cat_table <- table(data[[var]], data$group)
  if (any(cat_table < 5)) {
    cat_test <- fisher.test(cat_table)
    test_type <- "Fisher's Exact Test"
  } else {
    cat_test <- chisq.test(cat_table)
    test_type <- "Chi-squared Test"
  }
  
  # 비율 계산
  cat_prop <- prop.table(cat_table, margin = 2) * 100
  group1_ratio <- paste0(round(cat_prop[1, 1], 2), "% (여성), ", round(cat_prop[2, 1], 2), "% (남성)")
  group2_ratio <- paste0(round(cat_prop[1, 2], 2), "% (여성), ", round(cat_prop[2, 2], 2), "% (남성)")
  
  # 결과 저장
  comparison_results <- rbind(
    comparison_results,
    data.frame(
      Variable = var,
      Group1_Value = group1_ratio,
      Group2_Value = group2_ratio,
      P_Value = round(cat_test$p.value, 5),
      Result = ifelse(cat_test$p.value < 0.05, paste0("유의한 차이 있음 (", test_type, ")"), "유의한 차이 없음")
    )
  )
}

# 결과 출력
print(comparison_results)

# ✅ 엑셀 파일로 저장
write.xlsx(comparison_results, "general_gait_comparison.xlsx", row.names = FALSE)
cat("두 집단 비교 결과가 'general_gait_comparison.xlsx'에 저장되었습니다.\n")