前言

起初听到这个我是不理解的，这不是统计学常识吗？划分三个程度：* ，** ，***。
头儿咋还要精确到小数位，不是画蛇添足吗？不了解归不了解，该干还是要干。

一、P值

关于显著性检验偷懒，找到一篇很典型的抛硬币可以回顾或预习，浅谈p值（p-value是什么）

P值	P值解释	统计意义
>0.05	碰巧出现的可能性大于5%，不能否定原假设	无统计学差异
<0.05	碰巧出现的可能性小于5%，可以否定原假设	有统计学差异
<0.01	碰巧出现的可能性小于1%，可以否定原假设	有显著统计学差异
<0.001	碰巧出现的可能性小于0.1%，可以否定原假设	有极其显著统计学差异

二、生存分析

关于生存分析上篇有提过，单分组直接删掉循环即可，用for循环批量生存分析

像这样的生存曲线可以接受，但是“你这个不行，要看到具体P值”
虽然说不难，但是确实是有点迷惑行为，不过还得开整。

三、“锦上添花”

3.1 计算P值

继续用我的循环来记录，单分组把 data[,i] 换成具体分组变量即可

    #survfit构建完生存模型后，用survdiff计算生存差异surv_diff <- survdiff(Surv(data$time, data$status) ~ data[,i], data = data)p.value <- 1 - pchisq(surv_diff$chisq, length(surv_diff$n) -1)#提p值

若直接添加到图上是这样的，预言一波“你这个不行，P值太长了”

3.2 带-次方的调整P值

像这种带－次方的可以缩小数位

    lastnum <- substr(p.value, nchar(p.value) - 1 + 1, nchar(p.value))lastnum <- as.numeric(lastnum)

再预言一波“你这个不行，太短了很奇怪”

3.3 不带次方的调整P值

小数点后三个0直接取有效小数

这里取三位

p.value <- signif(p.value,3)

3.4 小数点后无0的调整P值

像这种情况直接开摆就行了，P值0.05好歹也有一个0，做批量分析时这种直接不要了，所以显示多少位没啥区别

四、用两个if解决

交差的全部代码

    surv_diff <- survdiff(Surv(data$time, data$status) ~ data[,i], data = data)#计算提取p值p.value <- 1 - pchisq(surv_diff$chisq, length(surv_diff$n) -1)#打印p值lastnum <- substr(p.value, nchar(p.value) - 1 + 1, nchar(p.value))#提取次方数lastnumlastnum <- as.numeric(lastnum)#转换数值类型lastnumif(lastnum<4){pvalue <- round(p.value,lastnum)}else{pvalue <- round(p.value,3)}if(pvalue<1){p.value <- signif(p.value,3)}else{p.value <- pvalue}

然后画图改p值

pval=p.value

这样在循环出的每一张生存曲线的P值小数位都刚好合适了

【R语言】他说每个生存曲线一定要看到p值，不能0.05，0.01，0.001相关推荐

R语言ggplot2可视化移除数据中的NA值再可视化实战:消除图形中非常突出的NA柱状图、使用subset函数、使用drop_na函数
R语言ggplot2可视化移除数据中的NA值再可视化实战:消除图形中非常突出的NA柱状图.使用subset函数.使用drop_na函数目录
R语言ggplot2可视化强制设置x轴、y轴坐标的起始点为0或者其他实战
R语言ggplot2可视化强制设置x轴.y轴坐标的起始点为0或者其他实战目录 R语言ggplot2可视化强制设置x轴.y轴坐标的起始点为0或者其他实战
R语言游程检验：使用runs.test函数对二值序列数据执行游程检验（检验序列是否是随机的）
R语言游程检验:使用runs.test函数对二值序列数据执行游程检验(检验序列是否是随机的) 目录
R语言将多条生存曲线画到一起（不是拼图），一张图绘制多条生存曲线
网上找破了头都没找到这个办法,只找到一堆拼图的办法其实方法很简单,survival包自带这个函数:ggsurvplot_combine() library(survival) library(sur ...
R语言-解决载入了名字空间rlang0.4.5，但需要的是大于等于0.4.6
问题 # Error: package or namespace load failed for 'clusterProfiler' in loadNamespace(i, c(lib.loc, .l ...
关于R语言中混合线性模型summary()结果中交互作用beta值的含义
本文以2*2的实验设计为例,利用lmerTest包在R中进行混合线性模型分析,采用sum的因子编码方式,简单介绍一下在summary的结果中,交互作用的beta值的含义. 数据准备: library( ...
R语言将字符串中的数字提取出来作为值
用到的函数 extract() 例子首先构造数据 week <- c("week1","week2","week3","w ...
R语言：无法精确计算带连结的p值
当你在使用cor.test,wilcoxon.test等这些函数时,不知道有没发现一个exact参数,以及是否遇到过无法精确计算带连结的p值这个warning.如果有,请往下看. 这个问题应该是很常见 ...
基于R语言 meta/metafor 包进行荟萃分析（一）
目录目录 1.引言 2.安装,数据的读取和保存不讲.这个有别的大佬讲了,没有创新点. 3.标准方法 3.1 固定效应模型与随机效应模型 3.1.1 连续型结果的数据测量 3.1.2 固定效应模型 ...
用R语言把数据玩出花样
用R语言把数据玩出花样数据处理 R 去重数据可视化阅读759 R语言作为统计学一门语言,一直在小众领域闪耀着光芒.直到大数据的爆发,R语言变成了一门炙手可热的数据分析的利器.随着越来越多的工程 ...

【R语言】他说每个生存曲线一定要看到p值，不能0.05，0.01，0.001

前言

目录