Как запрограммировать тесты в R, чтобы они хорошо печатались?

Используйте один из приведенных ниже методов, который лучше всего соответствует вашим потребностям.

X <- c(30, 32, 40, 28, 29, 35, 30, 34, 31, 39)
Y <- c(19, 20, 44, 45, 8, 29, 26, 59, 35, 50)
TEST <- stats::t.test(X,Y)

#default; printing data of htest class
print(TEST) 

#printing every element of the list
lapply(TEST, print) 
print.listof(TEST)

#printing the results as a dataframe
broom::tidy(TEST) #output of this one is included just for illustration


    # A tibble: 1 x 10
  estimate estimate1 estimate2 statistic p.value parameter conf.low conf.high method                  alternative
     <dbl>     <dbl>     <dbl>     <dbl>   <dbl>     <dbl>    <dbl>     <dbl> <chr>                   <chr>      
1     -0.7      32.8      33.5    -0.134   0.896      10.2    -12.3      10.9 Welch Two Sample t-test two.sided 

Чтобы ответить на последующий вопрос OP:

Класс данных "Каждый" имеет метод печати. Как я указал в своем ответе, функция print смотрит на TEST и, поскольку это класс htest, она использует print.htest.

class(TEST)
# [1] "htest"

head(methods(print))
# [1] "print.acf"         "print.AES"         "print.all_vars"    "print.anova"
# [5] "print.anova.lme"   "print.ansi_string"

В моем только что открытом сеансе R у меня есть 185 различных методов. По мере загрузки библиотек это число будет увеличиваться.

Если вы хотите копнуть глубже, вам нужно посмотреть исходный код print, который можно найти здесь: Исходный код R на GitHub

Этот ответ составлен из полезных комментариев и ответов других пользователей, но я хотел дать здесь развернутый ответ, чтобы сделать вещи более четкими, для пользователей, которые еще не знакомы с некоторыми из этих вопросов. Объект, созданный функцией t.test, является объектом класса htest, и этот тип объекта имеет специальный метод печати в соответствии с настройкой print.htest в глобальной среде. Этот метод печати извлекает информацию из списка, но печатает ее в удобном для пользователя виде, который вы видите в выводе вопроса.

Если вы хотите воспроизвести этот тип печати для нового статистического теста, который вы программируете самостоятельно, вам нужно будет структурировать свой новый тест так, чтобы он выводил объект htest с требуемыми элементами списка и требуемым классом. Вот пример из другого отвечать, где проверка гипотезы, изложенная в Тароне (1979), запрограммирована как объект htest:

Tarone.test <- function(N, M) {

    #Check validity of inputs
    if (any(M > N)) { stop("Error: Observed count value exceeds binomial trials"); }

    #Set hypothesis test objects
    method      <- "Tarone's Z test";
    alternative <- "greater";
    null.value  <- 0;
    attr(null.value, "names") <- "dispersion parameter";
    data.name   <- paste0(deparse(substitute(M)), " successes from ", 
                          deparse(substitute(N)), " counts");

    #Calculate test statistics
    estimate    <- sum(M)/sum(N);
    attr(estimate, "names") <- "proportion parameter";

    S           <- sum((M - N*estimate)^2/(estimate*(1 - estimate)));
    statistic   <- (S - sum(N))/sqrt(2*sum(N*(N-1))); 
    attr(statistic, "names") <- "z";

    p.value     <- 2*pnorm(-abs(statistic), 0, 1);
    attr(p.value, "names") <- NULL;

    #Create htest object
    TEST        <- list(statistic = statistic, p.value = p.value, estimate = estimate, 
                        null.value = null.value, alternative = alternative, 
                        method = method, data.name = data.name);
    class(TEST) <- "htest";

    TEST; }

В этом примере функция вычисляет все необходимые элементы объекта htest, а затем создает этот объект в виде списка с этим классом. Важно включить в код команду class(TEST) <- "htest", чтобы созданный объект был не просто обычным списком. Включение этой команды гарантирует, что выходной объект имеет надлежащий класс, и поэтому он будет печататься удобным для пользователя способом. Чтобы увидеть это, мы можем сгенерировать некоторые данные и применить тест:

#Generate example data
N <- c(30, 32, 40, 28, 29, 35, 30, 34, 31, 39);
M <- c( 9, 10, 22, 15,  8, 19, 16, 19, 15, 10);

#Apply Tarone's test to the example data
TEST <- Tarone.test(N, M);
TEST;

        Tarone's Z test

data:  M successes from N counts
z = 2.5988, p-value = 0.009355
alternative hypothesis: true dispersion parameter is greater than 0
sample estimates:
proportion parameter 
           0.4359756

Здесь мы видим, что наша недавно созданная функция проверки гипотез дает нам выходные данные, которые имеют удобную для пользователя структуру, похожую на t.test. В этом примере мы дали разные имена методу тестирования и элементам теста, и они появляются в описательных выводах при печати.