如何获得多个因素的统计量(cohensd)

Question

我希望同时计算多个因子的cohens值。

因此，例如，在虹膜数据集中，我们可以很容易地计算出刚毛和云芝之间萼片长度的cohens d：

virginica <- subset(iris, Species =="virginica")
versicolor <- subset(iris, Species =="versicolor")

cohen.d(virginica$Sepal.Length, versicolor$Sepal.Length)

当然，对于剩下的因素，我们可以再次复制这个过程。

总之，我想要的是衡量每一个因素，而不是所有相互对立的因素。因此，这就像产生几个cohensd，但只是一个步骤。

在这种情况下，云天色对刚毛和云天色对处女。

Answer 1

我不认为这是你想要的答案，但这是一个会奏效的答案。

与其尝试使函数适合您的数据，不如让您的数据与该函数相匹配。

首先，查找所有可能的组组合--我知道您使用了Iris数据，但很可能您只是将其作为一个示例。

library(tidyverse)
library(psych)
library(RcppAlgos)

# find unique pairs
iS = RcppAlgos::comboGeneral(unique(iris$Species), 
                             2, F) # all unique combinations of 2 options

然后使用这些可能的组，并得到它们之间的效果大小。

res = map(1:nrow(iS), 
          .f = function(x){
            filter(iris, Species %in% c(iS[x, 1], iS[x, 2])) %>% 
                       cohen.d(., group = "Species")
          })
names(res) <- paste0(iS[,1], "-",iS[,2])
res

各组之间的影响大小：

# [[1]]
# Call: cohen.d(x = ., group = "Species")
# Cohen d statistic of difference between two means
#              lower effect upper
# Sepal.Length  1.55   2.13  2.69
# Sepal.Width  -2.45  -1.91 -1.36
# Petal.Length  6.35   7.98  9.57
# Petal.Width   5.47   6.89  8.27
# 
# Multivariate (Mahalanobis) distance between groups
# [1] 10
# r equivalent of difference between two means
# Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
#         0.73        -0.69         0.97         0.96 
# 
# [[2]]
# Call: cohen.d(x = ., group = "Species")
# Cohen d statistic of difference between two means
#              lower effect upper
# Sepal.Length  2.38   3.11  3.83
# Sepal.Width  -1.77  -1.30 -0.83
# Petal.Length  8.01  10.10 12.08
# Petal.Width   6.89   8.64 10.36
# 
# Multivariate (Mahalanobis) distance between groups
# [1] 14
# r equivalent of difference between two means
# Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
#         0.84        -0.55         0.98         0.97 
# 
# [[3]]
# Call: cohen.d(x = ., group = "Species")
# Cohen d statistic of difference between two means
#              lower effect upper
# Sepal.Length  0.68   1.14  1.58
# Sepal.Width   0.23   0.65  1.06
# Petal.Length  1.90   2.55  3.18
# Petal.Width   2.25   2.95  3.65
# 
# Multivariate (Mahalanobis) distance between groups
# [1] 3.8
# r equivalent of difference between two means
# Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
#         0.49         0.31         0.79         0.83 
#