การเปรียบเทียบสองตัวอย่างของสัดส่วนการประมาณขนาดตัวอย่าง: R กับ Stata


10

การเปรียบเทียบสองตัวอย่างของสัดส่วนการประมาณขนาดตัวอย่าง: R กับ Stata

ฉันได้ผลลัพธ์ที่แตกต่างกันสำหรับขนาดตัวอย่างดังนี้:

ในอาร์

power.prop.test(p1 = 0.70, p2 = 0.85, power = 0.90, sig.level = 0.05)

ผลลัพธ์: (ดังนั้น 161) สำหรับแต่ละกลุ่มn=160.7777

ในStata

sampsi 0.70 0.85, power(0.90) alpha(0.05)

ผลลัพธ์:สำหรับแต่ละกลุ่มn=174

ทำไมถึงแตกต่าง ขอบคุณ

BTW ฉันรันการคำนวณขนาดตัวอย่างเดียวกันในSAS JMPผลลัพธ์: (เกือบจะเหมือนกับผลลัพธ์ R)n=160

คำตอบ:


7

ความแตกต่างเกิดจากความจริงที่ว่าsampsiคำสั่งของ Stata (คัดค้าน ณ Stata 13 และแทนที่ด้วยpower) ใช้การแก้ไขความต่อเนื่องโดยค่าเริ่มต้นในขณะที่ R power.prop.test()ไม่ (สำหรับรายละเอียดเกี่ยวกับสูตรที่ใช้โดย Stata ดู[PSS] twoproportions power ) สิ่งนี้สามารถเปลี่ยนแปลงได้ด้วยnocontinuityตัวเลือกเช่น

sampsi 0.70 0.85, power(0.90) alpha(0.05) nocontinuity

ซึ่งให้ขนาดตัวอย่าง 161 ต่อกลุ่ม การใช้การแก้ไขความต่อเนื่องให้ผลการทดสอบที่ระมัดระวังมากขึ้น (เช่นขนาดตัวอย่างที่ใหญ่กว่า) และเห็นได้ชัดว่ามีความสำคัญน้อยลงเมื่อขนาดตัวอย่างเพิ่มขึ้น

Frank Harrell ในเอกสารสำหรับbpower(ส่วนหนึ่งของแพ็คเกจHmiscของเขา) ชี้ให้เห็นว่าสูตรที่ไม่มีการแก้ไขความต่อเนื่องนั้นค่อนข้างแม่นยำ


2
คำตอบที่ดี ดูเหมือนว่าไม่แตกต่างกันระหว่างสองวิธีในโพสต์ของฉันเป็นสาเหตุของความแตกต่าง แต่ความจริงที่ว่าหนึ่งในวิธีการเหล่านี้ใช้การแก้ไขอย่างต่อเนื่องและอื่น ๆ ไม่ได้
Michael M

1
ขอบคุณ ด้วยสองสัดส่วนเท่านั้น (เช่นตาราง 2x2) ไม่สำคัญว่าคุณจะระบุตัวเลือกอื่นเป็นสองสัดส่วนหรือหนึ่งสัดส่วนและอัตราส่วนอัตราต่อรอง และเนื่องจากการทดสอบที่แน่นอนของฟิชเชอร์นั้นมีความระมัดระวังสำหรับปัญหาทวินามสองตัวอย่างการประมาณการกำลังไฟฟ้าจากสิ่งนี้จึงใกล้เคียงกับสูตรที่แก้ไขอย่างต่อเนื่อง
Phil Schumm

1
ขอบคุณ @pschumm ฉันลองแพ็คเกจของHmiscbsamsize(0.70, 0.85, alpha=0.05, power=0.90)และได้รับn1=n2=160.7777.
dwstu
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.