#object: 元分析的漏斗图的制作 #writer: mike1 #time:2020,11,17 #载入包 library("meta") library("ggplot2") #读取数据, R 语言应该可以读取带中文的路径 data <- read.csv("C:\Users\mike1\Desktop\大三人格与幸福感\data.csv",header=T,sep=',') #查看数据框的列名，查看行名是rownames() colnames(data) #查看行列数的集中方法 dim(data)[0] nrow(data) ncol(data) length(data[,1]) #计算被试总量 subSum <- sum(data[,'被试数']) print(subSum) #检验是否有缺失值 number <- sum(is.na.data.frame(data[,"内外倾"])) print(number) #使用metacor函数， sm的含义是将回归系数转换为fisher,然后在计算总的效应量 result <- metacor(cor=内外倾,n=被试数,data=data,sm="ZCOR") print(result) #计算出版偏误,这里是begg方法,这里自带图形 res2 <- metabias(result,method="rank",plotit=T) print(res2) #作图,注意这里的参数是原始模型，不是metabias funnel(result)
检验的结果
> #计算出版偏误,这里是begg方法,这里自带图形
> res2 <- metabias(result,method="rank",plotit=T)
> print(res2)
Rank correlation test of funnel plot asymmetry
data: result
z = 0.88636, p-value = 0.3754 这说明不显著，也就是没有出版偏误，虽然图并不好看
alternative hypothesis: asymmetry in funnel plot
sample estimates:
ks se.ks 这是估计值与方差
76.0000 85.7441
漏斗图
