stata的效应量及检验力计算(以独立样本t检验为例)

以前主要用SPSS的时候,如果要计算效应量(Cohen’s d)和检验力(power值)的话,就得SPSS,Gpower软件来回切换。

现在做研究跑数据更多地用stata了,发现只用stata就可以完成所有的计算。

其中,效应量和检验力涉及到的命令分别是esizepwoer

以软件自带数据auto为例,用stata的命令计算独立样本t检验后的Cohen’s d和power值。

# 调用数据
sysuse auto

# 独立样本t检验,自变量foreign,因变量mpg
ttest mpg,by(foreign)

# 获取两组的均值,样本量和标准差
local m1=r(mu_1) 
local m2=r(mu_2)
local n1=r(N_1)
local n2=r(N_2)
local sd1=r(sd_1)
local sd2=r(sd_2)

#得到效应量
esize twosample mpg,by(foreign)

#得到power值
power twomeans `m1' `m2',n1(`n1') n2(`n2')  sd1(`sd1') sd2(`sd2') knownsds

1、独立样本t检验

独立样本t检验.png

2、效应量

效应量.png

输入help esize后,可以看到该命令的帮助文档。

esize_help.png

其中,置信区间CI可以通过level()进行设置,例如,想看d值的90%CI,则是esize twosample mpg, by(foreign) level(90)

3、power值

power值.png

结果显示是88.87%的power值,这个计算就是根据t检验结果后存储的两组的均值,样本量和标准差计算得到的。

输入help power后,可以看到该命令的帮助文档。

power_help1.png

power这个命令可以计算样本量,power值和效应量及目标参数。

此外,涉及到的假设检验包括以下这些:

power_help2.png

4、多个因变量的循环

总之,在stata里就可以一次性得到检验结果,效应量和检验力结果了,不用来回切换软件了。

而且,如果需要做多个因变量的t检验的话,写个循环就好啦~省时省力。

例如:

# 将因变量名放置暂元dep后
local dep price mpg rep78

# 循环暂元dep,对每个因变量进行检验
foreach i of local dep {
# 对因变量进行描述
d `i'
ttest `i',by(foreign)
local m1=r(mu_1) 
local m2=r(mu_2)
local n1=r(N_1)
local n2=r(N_2)
local sd1=r(sd_1)
local sd2=r(sd_2)
esize twosample `i',by(foreign)
power twomeans `m1' `m2',n1(`n1') n2(`n2')  sd1(`sd1') sd2(`sd2') knownsds
}

结果如下:

多个因变量的循环.gif
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,132评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,802评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,566评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,858评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,867评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,695评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,064评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,705评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,915评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,677评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,796评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,432评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,041评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,992评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,223评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,185评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,535评论 2 343

推荐阅读更多精彩内容