Karışık modellerde örneklem büyüklüğünü hesaplamak için herhangi bir yöntem olup olmadığını merak ediyorum. lmer
Modelleri sığdırmak için R kullanıyorum (rastgele yamaçlarım ve kavşaklarım var).
Karışık modellerde örneklem büyüklüğünü hesaplamak için herhangi bir yöntem olup olmadığını merak ediyorum. lmer
Modelleri sığdırmak için R kullanıyorum (rastgele yamaçlarım ve kavşaklarım var).
Yanıtlar:
longpower
Paket uygular Liu ve Liang (1997) ve Diggle örnek boyutu hesaplamaları ve arkadaşları, (2002). Dokümantasyonda örnek kod var. İşte lmmpower()
fonksiyon , bu fonksiyon kullanılarak:
> 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
Ayrıca liu.liang.linear.power()
hangisinin " doğrusal karma bir model için örneklem büyüklüğü hesaplamasını " gerçekleştirdiğini de kontrol edin.
Liu, G. ve Liang, KY (1997). İlişkili gözlemlere sahip çalışmalar için örneklem büyüklüğü hesaplamaları. Biometrics, 53 (3), 937-47.
Kazıyıcı PJ, Sağlık PJ, Liang K, Zeger SL. Boyuna verilerin analizi. İkinci baskı. Oxford. İstatistiksel Bilim Serires. 2002
Düzenleme: Başka bir yol kümeleme etkisi için "düzeltmektir". Sıradan bir doğrusal modelde her gözlem bağımsızdır, ancak kümelenme gözlemlerinin varlığında, daha az bağımsız gözlemlere sahip olduğu düşünülen bağımsız değildir - etkili örneklem büyüklüğü daha küçüktür. Bu etkinlik kaybı, tasarım etkisi olarak bilinir :
Basit 2 örnek testinin ötesindeki herhangi bir şey için, örneklem büyüklüğü veya güç çalışmaları için simülasyonu kullanmayı tercih ederim. Önceden paketlenmiş rutinlerde bazen, yaptıkları varsayımlara dayanarak programlardan elde edilen sonuçlar arasında büyük farklar görebilirsiniz (ve bu varsayımların ne olduğunu, çalışmanız için makul olsalar bile, ne olduğunu öğrenemeyebilirsiniz). Simülasyon ile tüm varsayımları kontrol edersiniz.
İşte bir örneğe link:
https://stat.ethz.ch/pipermail/r-sig-mixed-models/2009q1/001790.html