Bir lm modelinin özel bir güç analizini simüle etme (R kullanarak)

Burada yaşadığımız son soruların ardından .

Kimse rastlamak ya da doğrusal bir model için simülasyon dayalı özel bir güç analizi gerçekleştirmek için R kodunu paylaşmak bilmek umuyordum ?

Daha sonra bunu daha karmaşık modellere genişletmek istiyorum, ama lm başlamak için doğru yer gibi görünüyor. Teşekkürler.

Basit bir regresyon modeli için simülasyona ihtiyacınız olduğundan emin değilim. Örneğin, Taşınabilir Güç belgesine bakın . Daha karmaşık modeller, özellikle karışık efektler için, R'deki pamm paketi simülasyonlar yoluyla güç analizleri gerçekleştirir. Ayrıca , simülasyon için R koduna sahip Todd Jobe'un gönderisine de bakın .

İşte R'deki simülasyon kodu birkaç kaynağı: Herhangi bir özel olarak doğrusal modelleri ele alıp almadığından emin değilim, ama belki de özü elde etmek için yeterli bir örnek sağlıyorlar:

• Benjamin Bolker R ile Ekolojik Veriler ve Modeller adlı harika bir kitap yazdı . Sweave kodu ile birlikte tüm kitabın erken bir taslağı çevrimiçi olarak mevcuttur. 5. Bölümde güç analizi ve simülasyon ele alınmaktadır.

Aşağıdaki sitelerde bir kaç simülasyon örneği daha var:

• http://www.personality-project.org/R/r.datageneration.html
• http://psy-ed.wikidot.com/simulation

Bolker 2009 Ekolojik Modeller ve R'den Veriler. Sezgisel olarak güçlü bir eğilim ve düşük değişkenlik, küçük bir numune boyutu, zayıf bir eğilim ve büyük değişkenlik, büyük bir numune boyutu gerektirir.

a = 2  #desired slope
b = 1  #estimated intercept
sd = 20  #estimated variability defined by standard deviation
nsim = 400  #400 simulations
pval = numeric(nsim)  #placeholder for the second for loop output
Nvec = seq(25, 100, by = 1)  #vector for the range of sample sizes to be tested
power.N = numeric(length(Nvec))   #create placeholder for first for loop output
for (j in 1:length(Nvec)) {
  N = Nvec[j]  
  x = seq(1, 20, length = Nvec[j])  #x value length needs to match sample size (Nvec) length
  for (i in 1:nsim) {   #for this value of N, create random error 400 times
    y_det = a + b * x
    y = rnorm(N, mean = y_det, sd = sd)
    m = lm(y ~ x)
    pval[i] = coef(summary(m))["x", "Pr(>|t|)"]  #all the p values for 400 sims
  }  #cycle through all N values
  power.N[j] = sum(pval < 0.05)/nsim  #the proportion of correct p-values (i.e the power)
}
power.N
plot(Nvec, power.N)  #need about 90 - 100 samples for 80% power

Kitapta gösterildiği gibi, belirli bir örnek boyutu için test edebileceğiniz minimum eğilimin ne olduğunu da simüle edebilirsiniz.

bvec = seq(-2, 2, by = 0.1)
power.b = numeric(length(bvec))
for (j in 1:length(bvec)) {
  b = bvec[j]
   for (i in 1:nsim) {
     y_det = a + b * x
     y = rnorm(N, mean = y_det, sd = sd)
     m = lm(y ~ x)
     pval[i] = coef(summary(m))["x", "Pr(>|t|)"]
     }
   power.b[j] = sum(pval < 0.05)/nsim
  }
 power.b
 plot(bvec, power.b)