Datensatz einlesen und Variablen spezifizieren

# Datensatz einlesen
Methode.A <- c(15,45,16,41,7,48,46,37,40,35)
Methode.B <- c(5,36,18,25,10,40,43,30,35,29)
data <- data.frame(Methode.A, Methode.B)

# Variablen spezifizieren
Gruppe1 <- "Methode.A"
Gruppe2 <- "Methode.B"

Deskriptive Statistik, Signifikanztest, Effektstärke und Teststärke

data2 <- na.omit(data[, c(Gruppe1, Gruppe2), drop=FALSE])
# Deskriptive Statistik
Kennwerte <- function(x) c(mean=mean(x), sd = sd(x), se=sd(x)/sqrt(length(x)))
data2$XX <- "Gr"
tab <- aggregate(.~XX, data2[, c("XX", c(Gruppe1,Gruppe2))], Kennwerte)
n <- aggregate(.~XX, data2[, c("XX", c(Gruppe1,Gruppe2))], length)
deskriptive.statistik <- data.frame(tab,n=n[,ncol(n)])[,-1]

# Signifikanztest
test <- t.test(x=data2[,Gruppe1], y=data2[,Gruppe2], paired=T)

# Effektstärke d
N <- test$parameter+1
d <- abs(test$statistic/sqrt(N))

# Teststärke (Power)
# Zweiseitige Hypothese: alternative="two.sided"; einseitige Hypothese: alternative="one.sided"
power <- power.t.test(n=N, delta=d, sig.level=0.05, type="one.sample", alternative="one.sided")

list("Deskriptive Statistik" = deskriptive.statistik, Signifikanztest=test, Effektstärke=paste("Effektstärke d =", round(as.numeric(d),3)), Power = power) 
## $`Deskriptive Statistik`
##   Methode.A.mean Methode.A.sd Methode.A.se Methode.B.mean Methode.B.sd
## 1      33.000000    14.757296     4.666667       27.10000     12.65306
##   Methode.B.se  n
## 1      4.00125 10
## 
## $Signifikanztest
## 
##  Paired t-test
## 
## data:  data2[, Gruppe1] and data2[, Gruppe2]
## t = 3.3161, df = 9, p-value = 0.008996
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  1.875168 9.924832
## sample estimates:
## mean of the differences 
##                     5.9 
## 
## 
## $Effektstärke
## [1] "Effektstärke d = 1.049"
## 
## $Power
## 
##      One-sample t test power calculation 
## 
##               n = 10
##           delta = 1.048642
##              sd = 1
##       sig.level = 0.05
##           power = 0.9204502
##     alternative = one.sided

Grafiken

Bei diesem Test ist der Boxplot und das Histogramm der Differenzen informativ.