Ω平方表示R中的作用？

我正在阅读的统计书建议使用Ω平方来衡量实验的效果。我已经使用分割图设计（对象内部和对象间设计的混合）证明了我的对象内部因子具有统计学显着性，p <0.001，F = 17。

现在，我希望看到两者之间的区别有多大...针对R（或python？）的某个地方是否实现了omega平方的实现？痛苦*，我不知道如何用C寻找东西。

谢谢！

计算欧米茄平方的函数很容易编写。此函数采用aov测试返回的对象，并计算并返回和Ω平方：

omega_sq <- function(aovm){
    sum_stats <- summary(aovm)[[1]]
    SSm <- sum_stats[["Sum Sq"]][1]
    SSr <- sum_stats[["Sum Sq"]][2]
    DFm <- sum_stats[["Df"]][1]
    MSr <- sum_stats[["Mean Sq"]][2]
    W2 <- (SSm-DFm*MSr)/(SSm+SSr+MSr)
    return(W2)
}

编辑：更新了n路aov模型的功能：

omega_sq <- function(aov_in, neg2zero=T){
    aovtab <- summary(aov_in)[[1]]
    n_terms <- length(aovtab[["Sum Sq"]]) - 1
    output <- rep(-1, n_terms)
    SSr <- aovtab[["Sum Sq"]][n_terms + 1]
    MSr <- aovtab[["Mean Sq"]][n_terms + 1]
    SSt <- sum(aovtab[["Sum Sq"]])
    for(i in 1:n_terms){
        SSm <- aovtab[["Sum Sq"]][i]
        DFm <- aovtab[["Df"]][i]
        output[i] <- (SSm-DFm*MSr)/(SSt+MSr)
        if(neg2zero & output[i] < 0){output[i] <- 0}
    }
    names(output) <- rownames(aovtab)[1:n_terms]

    return(output)
}

我最近不得不报告。$\omega^2$

partialOmegas <- function(mod){
    aovMod <- mod
    if(!any(class(aovMod) %in% 'aov')) aovMod <- aov(mod)
    sumAov     <- summary(aovMod)[[1]]
    residRow   <- nrow(sumAov)
    dfError    <- sumAov[residRow,1]
    msError    <- sumAov[residRow,3]
    nTotal     <- nrow(model.frame(aovMod))
    dfEffects  <- sumAov[1:{residRow-1},1]
    ssEffects  <- sumAov[1:{residRow-1},2]
    msEffects  <- sumAov[1:{residRow-1},3]
    partOmegas <- abs((dfEffects*(msEffects-msError)) /
                  (ssEffects + (nTotal -dfEffects)*msError))
    names(partOmegas) <- rownames(sumAov)[1:{residRow-1}]
    partOmegas
}

这是一个杂乱的功能，很容易清除。它计算部分，并且可能仅应在对象间析因设计中使用。$\omega^2$

我建议将广义eta平方（ref，ref）视为效应大小的更合适度量。它包含在R 的ez程序包的ANOVA输出中。

我在某人的.Rprofile中找到了一个欧米茄平方函数，该函数可以在线使用：

http://www.estudiosfonicos.cchs.csic.es/metodolo/1/.Rprofile

Daniel“ strengejacke”Lüdecke的软件包sjstats无法对ANOVA模型进行平方Ω，平方Ω平方等运算。一探究竟。

这是一个小插图，证明了这一点：

https://cran.r-project.org/web/packages/sjstats/vignettes/anova-statistics.html

install.packages("sjstats")
library(sjstats)

mod1 <- aov(y~x, data= d.frame)

anova_stats(mod1)