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:
- 将所有数据点呈现为蜂群图(swarmplot),以显示底层分布。
- 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
- 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)。
- 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。 - 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:
ggplot2
:用于生成高质量的统计图形。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”。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