使用 lmSupport::modelEffectSizes() 对具有两个以上级别的分类变量进行回归的效果大小？ 问题

如何解决使用 lmSupport::modelEffectSizes() 对具有两个以上级别的分类变量进行回归的效果大小？ 问题

当我进行回归并想要效果大小时，我通常会这样做：

library(lmSupport)

mod <- lm(mpg ~ disp*hp,data=mtcars)
sum <- summary(mod)$coefficients[-1,-2]
sr2 <- modelEffectSizes(mod)$Effects[-1,4]
(table.stats <- cbind(sum,sr2))
# sr2 is the partial semi-correlation squared,also known as the delta R2

             Estimate   t value     Pr(>|t|)        sr2
disp    -0.0733730341 -5.100113 2.109284e-05 0.16735440
hp      -0.0978942509 -3.956175 4.725449e-04 0.10069980
disp:hp  0.0002900495  3.336151 2.407037e-03 0.07160925

一切都按预期工作。现在有一个具有两个级别的分类变量：

mod <- lm(mpg ~ disp*factor(vs),sr2))

                    Estimate   t value     Pr(>|t|)        sr2
disp             -0.02936965 -4.353711 0.0001617349 0.14843949
factor(vs)1       8.39770888  2.785376 0.0094830921 0.06075720
disp:factor(vs)1 -0.04218648 -2.641439 0.0133540144 0.05464007

一切都按预期工作。现在有一个多于两个级别的分类变量：

mod <- lm(mpg ~ disp*factor(cyl),sr2))

                     Estimate   t value     Pr(>|t|)       sr2
disp               -0.1351418 -4.842228 5.096471e-05 0.1171143
factor(cyl)6      -21.7899679 -4.106201 3.542378e-04 0.1220738
factor(cyl)8      -18.8391564 -4.085112 3.743301e-04 0.0864844
disp:factor(cyl)6   0.1387469  3.816621 7.528445e-04 0.1171143 [repeated value for sr2!]
disp:factor(cyl)8   0.1155077  3.909096 5.923212e-04 0.1220738 [repeated value for sr2!]

Warning message:
In cbind(sum,sr2) :
  number of rows of result is not a multiple of vector length (arg 2)

我们收到警告，看到前两个 sr2 值在第三个值之后重复。这里的问题好像是summary有五行，但是对于效果大小，只有三个值/行：

sr2    
            disp      factor(cyl) disp:factor(cyl) 
       0.1171143        0.1220738        0.0864844 

这可以通过查看效果大小的原始输出来验证：

modelEffectSizes(mod)

lm(formula = mpg ~ disp * factor(cyl),data = mtcars)

Coefficients
                       SSR df pEta-sqr dR-sqr # last column is sr2
(Intercept)      1030.0951  1   0.8757     NA
disp              131.8762  1   0.4742 0.1171
factor(cyl)       137.4609  2   0.4845 0.1221
disp:factor(cyl)   97.3855  2   0.3997 0.0865

Sum of squared errors (SSE): 146.2
Sum of squared total  (SST): 1126.0

在尝试将效果大小分配给回归项时会产生问题，因为它们的行数不同。解释似乎是 lm() 将第一组作为参考，并为剩余的两个组提供了不同的术语，而 modelEffectSizes() 没有（它只是给出了整个组变量的效果大小).

帮助说：

?modelEffectSizes

For categorical variables coded as factors,it calculates these for multi-df effect.
Manually code regressors to get 1 df effects 

但我不确定这意味着什么。

问题

鉴于这种情况，为每个回归项分配效果大小的正确/推荐方法是什么？