Uma função para calcular resumos ordenados de vários testes t

o t-test é um dos mais utilizados em psicologia e outras ciências sociais. No formato APA, os pesquisadores são instruídos a relatar as médias e os desvios-padrão de ambas as condições; a t-estatístico, seus graus de liberdade e seu valor-p; e um tamanho de efeito com intervalo de confiança (geralmente de Cohen d e 95%).

Os pesquisadores freqüentemente conduzem experimentos aleatórios com não apenas uma variável dependente, mas muitas. E eles podem querer garantir que outras variáveis, como idade, não sejam diferentes por condição.

A função a seguir retornará todas as informações necessárias de t-testes. Ainda não o tenho em um pacote (e ainda não sei onde eu o colocaria. Envie-me uma linha, se achar que ele se encaixa em um pacote existente; eu ficaria feliz em incluí-lo em um pacote existente. ) Portanto, você precisará copiar, colar e executar o seguinte no seu script para usá-lo.

t_table 

O primeiro argumento especifica um data.frame onde os dados residem, um vetor de seqüência de caracteres dos nomes das variáveis ​​dependentes, uma seqüência de caracteres indicando a variável independente, um valor lógico para assumir ou não que as variações são iguais nas condições (o padrão é TRUE para um clássico t-test) e uma string indicando o que pajustes de valor para fazer. Vejo ?p.adjust.methods para obter mais informações sobre quais métodos estão disponíveis para uso. O padrão é nenhum ajuste. (A função com documentação completa em {roxygen2} pode ser encontrado no meu GitHub.) Observe que essa função depende da {MBESS} pacote, certifique-se de instalá-lo primeiro (mas você não precisa ligar para library nele).

Como se parece em ação? Vamos imaginar um ctl e exp condição, com as variáveis ​​dependentes de y1, y2, etc., através y10e um tamanho de amostra de 128. Simulo esses dados abaixo, onde y1 e y2 ter efeitos significativos com um d = 0,5 e 0,8, respectivamente.

set.seed(1839)
cond 

##   cond         y1         y2          y3         y4
## 1  ctl  1.0127014 -1.6556888  2.61696223  0.3817117
## 2  ctl -0.6845605  0.8893057  0.05602809 -1.6996460
## 3  ctl  0.3492607 -0.4439924  0.33997464  0.8473431
## 4  ctl -1.6245010  1.2612491 -0.99240679 -0.2083059
## 5  ctl -0.5162476  0.2012927 -0.96291759 -0.2948407

Podemos então alimentar as informações necessárias para o t_table função. Observe que, em vez de digitar todas as y1 através y10 colunas, eu uso o paste0 função para gerá-los em menos código. Não faço nenhum arredondamento para você dentro da função, mas, para fins de apresentação, arredondo para duas casas decimais aqui.

result 

##    variable ctl_m ctl_sd exp_m exp_sd     t  df    p     d  d_lb  d_ub
## 1        y1 -0.07   0.96  0.26   0.90 -2.04 126 0.04 -0.36 -0.71 -0.01
## 2        y2  0.05   1.02  0.82   0.91 -4.48 126 0.00 -0.79 -1.15 -0.43
## 3        y3  0.07   1.11 -0.07   0.99  0.76 126 0.45  0.13 -0.21  0.48
## 4        y4  0.00   1.04 -0.27   1.05  1.44 126 0.15  0.26 -0.09  0.60
## 5        y5  0.06   0.91 -0.28   1.08  1.93 126 0.06  0.34 -0.01  0.69
## 6        y6  0.05   1.03  0.06   1.09 -0.08 126 0.94 -0.01 -0.36  0.33
## 7        y7 -0.01   0.96 -0.06   1.08  0.30 126 0.77  0.05 -0.29  0.40
## 8        y8 -0.08   0.99 -0.18   0.98  0.56 126 0.58  0.10 -0.25  0.45
## 9        y9  0.37   0.93 -0.18   1.05  3.13 126 0.00  0.55  0.20  0.91
## 10      y10 -0.11   0.85 -0.21   0.94  0.59 126 0.56  0.10 -0.24  0.45

Observe que temos alguns falsos positivos aqui. O que leva ao uso pajustes de valor, se desejar. Digamos agora que eu uso o ajuste de Holm.

result2 

##    variable ctl_m ctl_sd exp_m exp_sd     t  df    p     d  d_lb  d_ub
## 1        y1 -0.07   0.96  0.26   0.90 -2.04 126 0.35 -0.36 -0.71 -0.01
## 2        y2  0.05   1.02  0.82   0.91 -4.48 126 0.00 -0.79 -1.15 -0.43
## 3        y3  0.07   1.11 -0.07   0.99  0.76 126 1.00  0.13 -0.21  0.48
## 4        y4  0.00   1.04 -0.27   1.05  1.44 126 0.91  0.26 -0.09  0.60
## 5        y5  0.06   0.91 -0.28   1.08  1.93 126 0.39  0.34 -0.01  0.69
## 6        y6  0.05   1.03  0.06   1.09 -0.08 126 1.00 -0.01 -0.36  0.33
## 7        y7 -0.01   0.96 -0.06   1.08  0.30 126 1.00  0.05 -0.29  0.40
## 8        y8 -0.08   0.99 -0.18   0.98  0.56 126 1.00  0.10 -0.25  0.45
## 9        y9  0.37   0.93 -0.18   1.05  3.13 126 0.02  0.55  0.20  0.91
## 10      y10 -0.11   0.85 -0.21   0.94  0.59 126 1.00  0.10 -0.24  0.45

Mas observe que a largura dos intervalos de confiança é não ajustado aqui.

Relacionado