Pingouin库中效应量计算方法的正确使用方式

在统计分析中，效应量(effect size)是衡量两组数据差异程度的重要指标。Cohen's d和Hedges' g是两种常用的标准化效应量指标。本文通过一个实际案例，说明如何正确使用Python的Pingouin库计算这些效应量。

问题背景

许多用户在从R转向Python时，会尝试使用Pingouin库的compute_effsize函数来计算效应量。然而，如果不理解函数的正确使用方式，可能会得到完全错误的结果。

错误示范

原始问题中展示的错误使用方式是：

x = survey['Height']
y = survey['Sex'].map({'Male': 0, 'Female': 1})
pg.compute_effsize(x, y, eftype='cohen')

这种用法是错误的，因为它将连续变量(Height)和分类变量(Sex)直接传入函数，导致函数无法正确识别哪部分是组别信息。

正确使用方法

正确的做法应该是先按组别分离数据，然后计算效应量：

# 按性别分离身高数据
male_height = survey[survey["Sex"] == "Male"]['Height']
female_height = survey[survey["Sex"] == "Female"]['Height']

# 计算Cohen's d
cohen_d = pg.compute_effsize(male_height, female_height, eftype='cohen')

# 计算Hedges' g
hedges_g = pg.compute_effsize(male_height, female_height, eftype='hedges')

计算原理

Cohen's d的计算公式为：

d = (mean1 - mean2) / pooled_std

Hedges' g是对Cohen's d的小样本校正：

g = d * (1 - 3/(4*(n1+n2-2)-1)

其中pooled_std是合并标准差，考虑了各组样本量和方差。

注意事项

1. 输入数据应该是两组独立的连续变量
2. 函数不会自动处理缺失值，需要提前处理
3. 对于配对样本，应该使用paired=True参数
4. 结果解释：0.2为小效应，0.5为中等效应，0.8为大效应

与其他软件的比较

与R的effsize包相比，Pingouin的计算结果在正确使用的情况下应该是一致的。差异可能来自：

• 缺失值处理方式不同
• 分组定义方式不同
• 计算精度差异

通过正确使用Pingouin库的效应量计算功能，研究者可以在Python环境中获得与R一致的统计分析结果。