进行荟萃分析时，您很可能必须使用通用度量将效果大小计算或转换为效果大小。
有多种工具可以执行此操作 。
计算效果大小
R语言涵盖了大多数效果尺寸计算和转换选项，可以让您更好地了解。例如，从t检验中获取效果大小：
可下载资源
esc_t(t, p, totaln, grp1n, grp2n,
es.type = c("d", "g", "or", "logit", "r", "cox.or", "cox.log"),
study = NULL, ...)
然后，您可以根据可用参数来计算效果大小，如下所示：
# 不相等的样本量 esc_t(t = 3.3, grp1n = 100, grp2n = 150) # 样本大小相等 esc_t(t = 3.3, totaln = 200)
转换效果大小
软件提供了多种功能，可将一种效应量转换为另一种效应量大小：（ 标准差 平均对数比），（标准差平均对数比）， （标准差平均对数r）， （奇数比）到标准差的平均值）， （将相关系数r转换为Fisher的z）和 （将Fisher的z转换为相关系数的r）。
工作流程
效果大小计算函数的结果以列表形式返回 。
e1 <- esc(grp1yes = 30, grp1no = 50, grp2yes = 40, grp2no = 45, study = "Study 1") e4 <-mean_sd(grp1m = 7, grp1sd = 2, grp1n = 50, grp2m = 9, grp2sd = 3, grp2n = 60, es.type = "logit", study = "Study 4")
现在，_mydat_ 包含一个数据帧， _其中_包含几种效果大小计算的结果：
> mydat
然后按如下方式计算荟萃分析（请注意，不同的效应量度量仅用于演示目的–通常，您应该只有一个共同的效应量才能进入荟萃分析）：
rm(yi = es, sei = se, method = "REML", data = mydat)
可下载资源
关于作者
Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。
本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。
非常感谢您阅读本文，如需帮助请联系我们！
R语言贝叶斯非参数模型：密度估计、非参数化随机效应meta分析心肌梗死数据
R语言对苏格兰独立民意调查的Meta分析
R语言中固定与随机效应Meta分析 – 效率和置信区间覆盖
