原文鏈接：http://tecdat.cn/?p=23855

原文出處：拓端數(shù)據(jù)部落公眾號

進行薈萃分析時，您很可能必須使用通用度量將效果大小計算或轉(zhuǎn)換為效果大小。有多種工具可以執(zhí)行此操作?。

計算效果大小

R語言涵蓋了大多數(shù)效果尺寸計算和轉(zhuǎn)換選項，可以讓您更好地了解。例如，從t檢驗中獲取效果大?。?/p>

1. esc_t(t, p, totaln, grp1n, grp2n,

2. 


3. ??????es.type = c("d", "g", "or", "logit", "r", "cox.or", "cox.log"),

4. 


5. ??????study = NULL, ...)

然后，您可以根據(jù)可用參數(shù)來計算效果大小，如下所示：

1. # 不相等的樣本量

2. 


3. esc_t(t = 3.3, grp1n = 100, grp2n = 150)

4. 


5. 


6. 


7. # 樣本大小相等

8. 


9. esc_t(t = 3.3, totaln = 200)

10. 


轉(zhuǎn)換效果大小

軟件提供了多種功能，可將一種效應(yīng)量轉(zhuǎn)換為另一種效應(yīng)量大?。海? ?標(biāo)準(zhǔn)差??平均對數(shù)比），（標(biāo)準(zhǔn)差平均對數(shù)比），? （標(biāo)準(zhǔn)差平均對數(shù)r），? （奇數(shù)比）到標(biāo)準(zhǔn)差的平均值），? （將相關(guān)系數(shù)r轉(zhuǎn)換為Fisher的z）和? （將Fisher的z轉(zhuǎn)換為相關(guān)系數(shù)的r）。

工作流程

效果大小計算函數(shù)的結(jié)果以列表形式返回? 。

1. e1 <- esc(grp1yes = 30, grp1no = 50, grp2yes = 40,

2. 


3. ??????????????grp2no = 45, study = "Study 1")

4. 


5. 


6. e4 <-mean_sd(grp1m = 7, grp1sd = 2, grp1n = 50, grp2m = 9, grp2sd = 3,

7. 


8. ??????????????????grp2n = 60, es.type = "logit", study = "Study 4")

現(xiàn)在，mydat??包含一個數(shù)據(jù)幀，??其中包含幾種效果大小計算的結(jié)果：

> mydat

然后按如下方式計算薈萃分析（請注意，不同的效應(yīng)量度量僅用于演示目的–通常，您應(yīng)該只有一個共同的效應(yīng)量才能進入薈萃分析）：

rm(yi = es, sei = se, method = "REML", data = mydat)

?

最受歡迎的見解

1.Python中的Apriori關(guān)聯(lián)算法-市場購物籃分析

2.R語言繪制生存曲線估計|生存分析|如何R作生存曲線圖

3.用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘探索藥物配伍中的規(guī)律

4.通過Python中的Apriori算法進行關(guān)聯(lián)規(guī)則挖掘

5.用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘探索藥物配伍中的規(guī)律

6.采用SPSS Modeler的Web復(fù)雜網(wǎng)絡(luò)對所有腧穴進行分析

7.R語言如何在生存分析與COX回歸中計算IDI，NRI指標(biāo)

8.R語言如何找到患者數(shù)據(jù)中具有差異的指標(biāo)？（PLS—DA分析）

9.R語言中的生存分析Survival analysis晚期肺癌患者4例