dabestr 项目使用指南

dabestr 项目使用指南

dabestr Data Analysis with Bootstrap Estimation in R 项目地址: https://gitcode.com/gh_mirrors/da/dabestr

1. 项目介绍

dabestr 是一个用于数据分析的 R 包，专注于使用 Bootstrap 结合估计（Bootstrap-Coupled ESTimation）的方法。该包旨在避免传统显著性检验的陷阱，通过熟悉的统计概念（如均值、均值差异和误差条）来关注实验或干预的效果大小。dabestr 提供了一种称为“估计图”的可视化工具，该工具具有两个关键特征：

1. 将所有数据点呈现为蜂群图（swarmplot），以显示底层分布。
2. 在单独但对齐的轴上呈现效果大小作为 Bootstrap 95% 置信区间。

dabestr 还支持 estimationstats.com，使每个人都能访问高质量的估计图。

2. 项目快速启动

安装

你可以通过 CRAN 安装 dabestr：

install.packages("dabestr")

或者安装开发版本：

install.packages("devtools")
devtools::install_github("ACCLAB/dabestr", ref = "dev")

使用示例

以下是一个简单的使用示例，展示如何加载数据并生成估计图：

library(dabestr)

# 加载示例数据
data("non_proportional_data")

# 加载数据并计算均值差异
dabest_obj <- load(
  data = non_proportional_data,
  x = Group,
  y = Measurement,
  idx = c("Control 1", "Test 1")
) %>% mean_diff()

# 生成估计图
dabest_plot(dabest_obj, TRUE)

3. 应用案例和最佳实践

应用案例

dabestr 适用于各种实验设计，特别是那些需要比较不同组之间效果大小的实验。例如，在生物医学研究中，研究人员可以使用 dabestr 来比较不同药物治疗组的效果，或者在社会科学中比较不同干预措施的效果。

最佳实践

1. 数据准备：确保数据格式正确，通常需要将数据转换为“长格式”（long format）。
2. 选择合适的估计方法：dabestr 提供了多种估计方法（如均值差异、中位数差异、Cohen's d 等），根据具体需求选择合适的方法。
3. 可视化调整：使用 dabest_plot 函数时，可以根据需要调整图形的外观，如设置 float_contrast 参数来选择 Gardner-Altman 或 Cumming 估计图。

4. 典型生态项目

dabestr 作为一个专注于估计统计的 R 包，与其他数据分析和可视化工具（如 ggplot2、tidyr、dplyr 等）有良好的兼容性。以下是一些典型的生态项目：

1. ggplot2：用于生成高质量的统计图形。
2. tidyr：用于数据整理和转换，特别是将数据从“宽格式”转换为“长格式”。
3. dplyr：用于数据操作和处理，如过滤、选择和汇总数据。

通过结合这些工具，用户可以更高效地进行数据分析和可视化。

dabestr Data Analysis with Bootstrap Estimation in R 项目地址: https://gitcode.com/gh_mirrors/da/dabestr