|
?? t檢驗(yàn)時(shí),，可以計(jì)算cohen’s d效應(yīng)量值,。而當(dāng)數(shù)據(jù)不滿足正態(tài)分布，進(jìn)行非參數(shù)檢驗(yàn)時(shí),，可以用什么效應(yīng)量呢,？
以Mann–Whitney U Test為例，大家可以自行前往R包rcompanion的網(wǎng)站去學(xué)習(xí)相關(guān)知識(shí)點(diǎn),。 網(wǎng)址 http:///handbook/F_04.html 至少提到了5種適合的效應(yīng)量： 1.Freeman’s theta 2.epsilon-squared 3.r 4.tau-b 5.Cliff’s delta 小,、中、大效應(yīng)的參考標(biāo)準(zhǔn)： 
咱們以雇員數(shù)據(jù)為例,，用wilcox.test()函數(shù)嘗試分析一下是否少數(shù)族裔他們的salary有無差別,。 wilcox.test(salary~minority,data = employee)
不同族裔的salary差異有統(tǒng)計(jì)學(xué)意義（W=24038，P＜0.001）,。 接下來使用rcompanion包實(shí)現(xiàn)非參數(shù)效應(yīng)量計(jì)算,。 freemanTheta(x=employee$salary,g=employee$minority)
Freeman.theta = 0.249 小效應(yīng) 再來一個(gè)效應(yīng)量值， cliffDelta(salary~minority,data = employee,ci=T)
0.249,，和freemanTheta結(jié)果一致,，仍然是小效應(yīng)。 本文完
文/圖=數(shù)據(jù)小兵 更多R統(tǒng)計(jì)文章 練習(xí)R：?jiǎn)蝹€(gè)連續(xù)數(shù)據(jù)的探索性統(tǒng)計(jì)可視化函數(shù)EDA
練習(xí)R：用lm.ridge()做嶺回歸分析,，可惜無法輸出R平方
練習(xí)R：lm+plot+abline+text四函數(shù)繪制線性擬合散點(diǎn)圖
練習(xí)R：用lm.ridge()做嶺回歸分析,，可惜無法輸出R平方 練習(xí)R：分類自變量的線性回歸 練習(xí)R：factor函數(shù)為有序分類變量創(chuàng)建值標(biāo)簽
學(xué)習(xí)R：識(shí)別缺失值與將指定數(shù)據(jù)編碼為缺失值
練習(xí)R：car包recode函數(shù)多分類變量的重新編碼
練習(xí)R：stepAIC多元逐步回歸
練習(xí)R：用3d空間圖展示多元線性回歸模型
練習(xí)R：用3d空間圖展示多元線性回歸模型
練習(xí)R：dplyr包arrange函數(shù)排序
練習(xí)R：DoE.base包生成標(biāo)準(zhǔn)L9-3-4正交表
練習(xí)R：正交試驗(yàn)極差分析、方差分析與統(tǒng)計(jì)圖形 練習(xí)R：rsm包設(shè)計(jì)響應(yīng)面試驗(yàn)并做數(shù)據(jù)分析
練習(xí)R：interaction.plot()函數(shù)繪制交互作用圖
練習(xí)R：influencePlot()函數(shù)發(fā)現(xiàn)離群點(diǎn)杠桿點(diǎn)強(qiáng)影響點(diǎn)
練習(xí)R：glm()函數(shù)連續(xù)自變量的二項(xiàng)logistic回歸
練習(xí)R：spss.get()函數(shù)讀取SPSS數(shù)據(jù)集
練習(xí)R：lrtest()函數(shù)做logistic回歸全局顯著性檢驗(yàn)
練習(xí)R：qqnorm+t.test函數(shù)配對(duì)t檢驗(yàn)
練習(xí)R：TukeyHSD()+plot()函數(shù)實(shí)現(xiàn)多重比較森林圖
練習(xí)R：pwr.t.test()函數(shù)實(shí)現(xiàn)獨(dú)立t檢驗(yàn)樣本量計(jì)算 練習(xí)R：qcc.overdispersion.test()函數(shù)檢驗(yàn)等離散性 練習(xí)R語言：fa.parallel()與fa()函數(shù)實(shí)現(xiàn)因子分析 練習(xí)R語言：mk.test()函數(shù)Mann-kendall趨勢(shì)檢驗(yàn)
練習(xí)R語言：t.test()函數(shù)單側(cè)t檢驗(yàn)案例 ?
|
