给定两个向量:
x <- rnorm(10, 10, 1)
y <- rnorm(10, 5, 5)
如何计算效应大小的 Cohen's d?
例如,我想使用pwr 包来估计具有不等方差的 t 检验的功效,它需要 Cohen 的 d。
给定两个向量:
x <- rnorm(10, 10, 1)
y <- rnorm(10, 5, 5)
如何计算效应大小的 Cohen's d?
例如,我想使用pwr 包来估计具有不等方差的 t 检验的功效,它需要 Cohen 的 d。
其中sigma
(分母)是:
因此,使用您的数据:
set.seed(45) ## be reproducible
x <- rnorm(10, 10, 1)
y <- rnorm(10, 5, 5)
cohens_d <- function(x, y) {
lx <- length(x)- 1
ly <- length(y)- 1
md <- abs(mean(x) - mean(y)) ## mean difference (numerator)
csd <- lx * var(x) + ly * var(y)
csd <- csd/(lx + ly)
csd <- sqrt(csd) ## common sd computation
cd <- md/csd ## cohen's d
}
> res <- cohens_d(x, y)
> res
# [1] 0.5199662
有几个包提供了计算 Cohen's d 的功能。例如,您可以使用包中的cohensD
函数lsr
:
library(lsr)
set.seed(45)
x <- rnorm(10, 10, 1)
y <- rnorm(10, 5, 5)
cohensD(x,y)
# [1] 0.5199662
另一种选择是使用effsize包。
library(effsize)
set.seed(45) x <- rnorm(10, 10, 1)
y <- rnorm(10, 5, 5)
cohen.d(x,y)
# Cohen's d
# d estimate: 0.5199662 (medium)
# 95 percent confidence interval:
# inf sup
# -0.4353393 1.4752717
另一个更新的选项是使用effectsize
,它非常灵活并且还返回置信区间:
https ://easystats.github.io/effectsize/reference/cohens_d.html
library(effectsize)
x <- rnorm(10, 10, 1)
y <- rnorm(10, 5, 5)
# for independent measures design
cohens_d(x, y)
#> Cohen's d | 95% CI
#> -------------------------
#> 0.77 | [-0.15, 1.67]
#>
#> - Estimated using pooled SD.
# in case design is paired
cohens_d(x, y, paired = TRUE)
#> Cohen's d | 95% CI
#> -------------------------
#> 0.49 | [-0.19, 1.20]
由reprex 包(v2.0.0)于 2021-06-29 创建