Всем, привет!
Столкнулся с тем, что по расписанию не запусается скрипт на основе  пакета RGA. |
Настраиваю через   Add On Taskscheduler. В Таск менеджере статус, скрипт отработан. Куда необходимо копать, чтобы узнать что делает  скрипт в режиме автозапуска, если результатов его не видно

частная эта и частная омега вроде как для дисперсионного используются

частная как раз для взаимодействия факторов, насколько я помню
общая - для независимых
но да, лакенс в этом лучше объяснит

Здравствуйте! Посоветуйте, пожалуйста, как допилить анализ под требования рецензента. Анализируются 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)

Почему? Частный эта-квадрат частный потому, что отвечает на вопрос, какая часть дисперсии отклика объясняется конкретно данной независимой переменной. Причём здесь взаимодействие?

Насчёт R не знаю, но в SPSS при заказе многофакторного дисперсионного анализа просто по умолчанию используется общая линейная модель, там даже нельзя сделать классику. Потому что при сбалансированных выборках получается абсолютно все то же самое, а при несбалансированных - GLM не ломается в отличие от классики

Дизайн у нас довольно простой и сбалансированный, но GLM использована по прихоти рецензента и оппортунизму первого автора. Результаты вызова aov и glm на этих данных одинаковые.

Да, посмотрел пару статей по этим метрикам.
https://msu.edu/~levinet/eta%20squared%20hcr.pdf
https://www.frontiersin.org/articles/10.3389/fpsyg.2013.00863/full
Про взаимодействие факторов там не было речи. Насколько я понял, для сравнения эффектов в пределах своей работы удобнее eta squared, а partial eta squared лучше для метаанализа.

Да, посмотрел пару статей по этим метрикам.
https://msu.edu/~levinet/eta%20squared%20hcr.pdf
https://www.frontiersin.org/articles/10.3389/fpsyg.2013.00863/full
Про взаимодействие факторов там не было речи. Насколько я понял, для сравнения эффектов в пределах своей работы удобнее eta squared, а partial eta squared лучше для метаанализа.

получается, взаимодействие факторов тут как будто не должно влиять