результаты эксперимента, данные состоят из количественного ответа и нескольких качественных и количественных предикторов. Рецензент просил использовать GLM вместо изначального ANOVA (хотя данные требуют простой линейной модели) и самое страшное - привести standardized effect sizes.
А этих показателей очень много, второй день не могу разобраться в теме. Для линейных моделей советуют использовать eta^2. Нашел две функции, которые считают этот показатель: effectsize::eta_squared() и heplots::etasq() - но они не хотят работать с glm-объектами.
Наша модель выглядит как glm(A ~ B + C + B:C).
Приемлемо ли будет считать eta squared в нашем случае, или есть лучшие методы?
И можно ли их рассчитать для lm() с той же формулой? Т.е.:
lm_model <- lm(A ~ B + C + B:C, data = data)
effectsize::eta_squared(lm_model, partial = F, ci = 0.95)
Дисперсионный анализ - это и есть вариант общей линейной модели, когда все предикторы категориальны. Точнее, с помощью общей линейной модели можно его посчитать точно так же, как и классическим подходом
Обсуждают сегодня