共计 1177 个字符,预计需要花费 3 分钟才能阅读完成。
原文链接:http://tecdat.cn/?p=23855
进行荟萃剖析时,您很可能必须应用通用度量将成果大小计算或转换为成果大小。有多种工具能够执行此操作。
计算成果大小
R 语言涵盖了大多数成果尺寸计算和转换选项,能够让您更好地理解。例如,从 t 测验中获取成果大小:
esc_t(t, p, totaln, grp1n, grp2n,
es.type = c("d", "g", "or", "logit", "r", "cox.or", "cox.log"),
study = NULL, ...)
而后,您能够依据可用参数来计算成果大小,如下所示:
# 不相等的样本量
esc_t(t = 3.3, grp1n = 100, grp2n = 150)
# 样本大小相等
esc_t(t = 3.3, totaln = 200)
转换成果大小
软件提供了多种性能,可将一种效应量转换为另一种效应量大小:(标准差 均匀对数比),(标准差均匀对数比),(标准差均匀对数 r),(奇数比)到标准差的平均值),(将相关系数 r 转换为 Fisher 的 z)和(将 Fisher 的 z 转换为相关系数的 r)。
工作流程
成果大小计算函数的后果以列表模式返回。
e1 <- esc(grp1yes = 30, grp1no = 50, grp2yes = 40,
grp2no = 45, study = "Study 1")
e4 <-mean_sd(grp1m = 7, grp1sd = 2, grp1n = 50, grp2m = 9, grp2sd = 3,
grp2n = 60, es.type = "logit", study = "Study 4")
当初,_mydat_ 蕴含一个数据帧,_其中_蕴含几种成果大小计算的后果:
> mydat
而后按如下形式计算荟萃剖析(请留神,不同的效应量度量仅用于演示目标–通常,您应该只有一个独特的效应量能力进入荟萃剖析):
rm(yi = es, sei = se, method = "REML", data = mydat)
最受欢迎的见解
1.Python 中的 Apriori 关联算法 - 市场购物篮剖析
2.R 语言绘制生存曲线预计 | 生存剖析 | 如何 R 作生存曲线图
3. 用关联规定数据挖掘摸索药物配伍中的法则
4. 通过 Python 中的 Apriori 算法进行关联规定开掘
5. 用关联规定数据挖掘摸索药物配伍中的法则
6. 采纳 SPSS Modeler 的 Web 简单网络对所有腧穴进行剖析
7.R 语言如何在生存剖析与 COX 回归中计算 IDI,NRI 指标
8.R 语言如何找到患者数据中具备差别的指标?(PLS—DA 剖析)
9.R 语言中的生存剖析 Survival analysis 早期肺癌患者 4 例