#パッケージを使わずにd を計算する例は、それぞれの例に示しますので参照してください。
#効果量dの計算に慣れていない方はそちらで確認してから、以下と照合してください。

#効果量の信頼区間も出力

 

#パッケージを使う場合

#まだ　compute.es パッケージをインストールしていなければ、以下の１行（#を除く）を実行
#install.packages("compute.es")

library(compute.es)

xb <- read.csv("Table713b.csv")
xb
attach(xb)

​

tapply(mas,cond,mean)
tapply(mas,cond,sd)

#上で求めた平均値とSDを使う

# 平均値を入力する場合：
mes(m.1=22, m.2=17, sd.1=2.788867, sd.2=3.255764, n.1=10, n.2=11)

​

> mes(m.1=22, m.2=17, sd.1=2.788867, sd.2=3.255764, n.1=10, n.2=11)
Mean Differences ES: 
 
d [ 95 %CI] = 1.64 [ 0.65 , 2.63 ] 
  var(d) = 0.26 
  p-value(d) = 0 
  U3(d) = 94.98 % 
  CLES(d) = 87.73 % 
  Cliff's Delta = 0.75 
 
g [ 95 %CI] = 1.58 [ 0.63 , 2.53 ] 
  var(g) = 0.24 
  p-value(g) = 0 
  U3(g) = 94.26 % 
  CLES(g) = 86.76 % 
 
Correlation ES: 
 
r [ 95 %CI] = 0.65 [ 0.31 , 0.85 ] 
  var(r) = 0.01 
  p-value(r) = 0 
 
z [ 95 %CI] = 0.78 [ 0.32 , 1.24 ] 
  var(z) = 0.06 
  p-value(z) = 0 
 
Odds Ratio ES: 
 
OR [ 95 %CI] = 19.68 [ 3.27 , 118.57 ] 
  p-value(OR) = 0 
 
Log OR [ 95 %CI] = 2.98 [ 1.18 , 4.78 ] 
  var(lOR) = 0.84 
  p-value(Log OR) = 0 
 
Other: 
 
NNT = 1.7 
Total N = 21
> 

​

# t値からも可能：
tes(t=3.7599, n.1=10, n.2=11)

​

​