R：根据多元线性回归中系数的 t 统计量计算 Cohen's d
R: Compute Cohen's d based on t-statistic of a coefficient in multiple linear regression
我在关注的连续变量中查看年龄和性别调整后的群体差异。正如我所在领域的其他研究所做的那样，我想根据从多元线性回归模型 .
中提取的 对比来计算 Cohen 的 d
原公式（Nakagawa & Cuthill, 2007）如下：
n1 = 第 1 组的样本量
n2 = 第 2 组的样本量
df' = 用于线性模型中相应 t 值的自由度
t = t 统计对应于感兴趣的对比
到目前为止，我已经尝试在 R 中应用它，但结果看起来很奇怪（效果比预期大得多）。
这是一些模拟数据：
library(broom)
df = data.frame(ID = c(1001, 1002, 1003, 1004, 1005, 1006,1007, 1008, 1009, 1010),
Group = as.numeric(c('0','1','0','0','1','1','0','1','0','1')),
age = as.numeric(c('23','28','30','15','7','18','29','27','14','22')),
sex = as.numeric(c('1','0','1','0','0','1','1','0','0','1')),
test_score = as.numeric(c('18','20','19','15','20','23','19','25','10','14')))
# run lm and extract regression coefficients
model <- lm(test_score ~ Group + age + sex, data = df)
tidy_model <- tidy(model)
tidy_model
# A tibble: 4 x 5
#term estimate std.error statistic p.value
#<chr> <dbl> <dbl> <dbl> <dbl>
# 1 (Intercept) 11.1 4.41 2.52 0.0451
# 2 Group 4.63 2.65 1.75 0.131
# 3 age 0.225 0.198 1.13 0.300
# 4 sex 0.131 2.91 0.0452 0.965
t_statistic <- tidy_model[2,4] # = 1.76
n <- 5 #(equal n of participants in Group1 as in Group2)
cohens_d <- t_statistic*(n + n)/(sqrt(n * n) * sqrt(1)) # 1 dof for 1 estimated parameter (group contrast)
cohens_d # = 3.518096
你能指出我哪里出错了吗？
您已将自由度设置为 1。但是，您实际上有 6 个自由度，如果您键入：summary(model) 就可以看到。
如果您将自由度设置为 6，您的 Cohen's d 将为 ~1.7，这应该更符合您的预期。
我在关注的连续变量中查看年龄和性别调整后的群体差异。正如我所在领域的其他研究所做的那样，我想根据从多元线性回归模型 .
中提取的 对比来计算 Cohen 的 d原公式（Nakagawa & Cuthill, 2007）如下：
n1 = 第 1 组的样本量
n2 = 第 2 组的样本量
df' = 用于线性模型中相应 t 值的自由度
t = t 统计对应于感兴趣的对比
到目前为止，我已经尝试在 R 中应用它，但结果看起来很奇怪（效果比预期大得多）。
这是一些模拟数据：
library(broom)
df = data.frame(ID = c(1001, 1002, 1003, 1004, 1005, 1006,1007, 1008, 1009, 1010),
Group = as.numeric(c('0','1','0','0','1','1','0','1','0','1')),
age = as.numeric(c('23','28','30','15','7','18','29','27','14','22')),
sex = as.numeric(c('1','0','1','0','0','1','1','0','0','1')),
test_score = as.numeric(c('18','20','19','15','20','23','19','25','10','14')))
# run lm and extract regression coefficients
model <- lm(test_score ~ Group + age + sex, data = df)
tidy_model <- tidy(model)
tidy_model
# A tibble: 4 x 5
#term estimate std.error statistic p.value
#<chr> <dbl> <dbl> <dbl> <dbl>
# 1 (Intercept) 11.1 4.41 2.52 0.0451
# 2 Group 4.63 2.65 1.75 0.131
# 3 age 0.225 0.198 1.13 0.300
# 4 sex 0.131 2.91 0.0452 0.965
t_statistic <- tidy_model[2,4] # = 1.76
n <- 5 #(equal n of participants in Group1 as in Group2)
cohens_d <- t_statistic*(n + n)/(sqrt(n * n) * sqrt(1)) # 1 dof for 1 estimated parameter (group contrast)
cohens_d # = 3.518096
你能指出我哪里出错了吗？
您已将自由度设置为 1。但是，您实际上有 6 个自由度，如果您键入：summary(model) 就可以看到。
如果您将自由度设置为 6，您的 Cohen's d 将为 ~1.7，这应该更符合您的预期。