ฉันสงสัยว่ามีวิธีใดในการคำนวณขนาดตัวอย่างในโมเดลผสมหรือไม่ ฉันใช้lmer
ใน R เพื่อให้พอดีกับโมเดล (ฉันมีความลาดชันและจุดตัดแบบสุ่ม)
ฉันสงสัยว่ามีวิธีใดในการคำนวณขนาดตัวอย่างในโมเดลผสมหรือไม่ ฉันใช้lmer
ใน R เพื่อให้พอดีกับโมเดล (ฉันมีความลาดชันและจุดตัดแบบสุ่ม)
คำตอบ:
longpower
แพคเกจการดำเนินการคำนวณขนาดของกลุ่มตัวอย่างในหลิวและเหลียง (1997) และดิ๊กเกิ้ล, et al (2002) เอกสารประกอบมีรหัสตัวอย่าง นี่คือหนึ่งโดยใช้lmmpower()
ฟังก์ชั่น:
> require(longpower)
> require(lme4)
> fm1 <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
> lmmpower(fm1, pct.change = 0.30, t = seq(0,9,1), power = 0.80)
Power for longitudinal linear model with random slope (Edland, 2009)
n = 68.46972
delta = 3.140186
sig2.s = 35.07153
sig2.e = 654.941
sig.level = 0.05
t = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9
power = 0.8
alternative = two.sided
delta.CI = 2.231288, 4.049084
Days = 10.46729
Days CI = 7.437625, 13.496947
n.CI = 41.18089, 135.61202
ตรวจสอบสิ่งliu.liang.linear.power()
ที่ " ทำการคำนวณขนาดตัวอย่างสำหรับโมเดลเชิงเส้นผสม"
Liu, G. , & Liang, KY (1997) การคำนวณขนาดตัวอย่างสำหรับการศึกษาที่มีการสังเกตที่สัมพันธ์กัน ชีวภาพ, 53 (3), 937-47
Diggle PJ, Heagerty PJ, Liang K, Zeger SL การวิเคราะห์ข้อมูลระยะยาว ฉบับที่สอง ฟอร์ด Serires วิทยาศาสตร์สถิติ 2002
แก้ไข: อีกวิธีคือ "แก้ไข" สำหรับผลกระทบของการทำคลัสเตอร์ ในแบบจำลองเชิงเส้นธรรมดาการสังเกตแต่ละครั้งมีความเป็นอิสระ แต่ในการปรากฏตัวของการสังเกตการจัดกลุ่มไม่เป็นอิสระซึ่งสามารถคิดว่ามีการสังเกตอิสระน้อยลง - ขนาดตัวอย่างที่มีประสิทธิภาพนั้นเล็กกว่า การสูญเสียประสิทธิภาพนี้เรียกว่าเอฟเฟกต์การออกแบบ :
สำหรับทุกอย่างที่นอกเหนือจากการทดสอบตัวอย่าง 2 อย่างฉันชอบใช้การจำลองสำหรับขนาดตัวอย่างหรือการศึกษาด้านกำลัง ด้วยกิจวัตรแบบแพคเกจล่วงหน้าบางครั้งคุณสามารถเห็นความแตกต่างอย่างมากระหว่างผลลัพธ์จากโปรแกรมตามสมมติฐานที่พวกเขากำลังทำ (และคุณอาจไม่สามารถค้นหาว่าสมมติฐานเหล่านั้นคืออะไร ด้วยการจำลองคุณควบคุมสมมติฐานทั้งหมด
นี่คือลิงค์ไปยังตัวอย่าง:
https://stat.ethz.ch/pipermail/r-sig-mixed-models/2009q1/001790.html