Ich frage mich, ob es Methoden zur Berechnung der Stichprobengröße in gemischten Modellen gibt. Ich benutze lmer
in R, um die Modelle anzupassen (ich habe zufällige Steigungen und Abschnitte).
r
mixed-model
lme4-nlme
power-analysis
Nikita Kuznetsov
quelle
quelle
Antworten:
Das
longpower
Paket implementiert die Stichprobengrößenberechnungen von Liu und Liang (1997) und Diggle et al. (2002). Die Dokumentation enthält Beispielcode. Hier ist eine mit derlmmpower()
Funktion:Überprüfen Sie auch,
liu.liang.linear.power()
welches " die Stichprobengrößenberechnung für ein lineares gemischtes Modell durchführt".Liu, G. & Liang, KY (1997). Stichprobengrößenberechnungen für Studien mit korrelierten Beobachtungen. Biometrics, 53 (3), 937 & ndash; 47.
Diggle PJ, Heagerty PJ, Liang K, Zeger SL. Analyse von Längsschnittdaten. Zweite Ausgabe. Oxford. Statistical Science Serires. 2002
Bearbeiten: Eine andere Möglichkeit besteht darin, den Effekt der Clusterbildung zu "korrigieren". In einem gewöhnlichen linearen Modell ist jede Beobachtung unabhängig, aber bei Vorhandensein von Clustern sind Beobachtungen nicht unabhängig, was als weniger unabhängige Beobachtungen angesehen werden kann - die effektive Stichprobengröße ist kleiner. Dieser Wirkungsverlust wird als Designeffekt bezeichnet :
quelle
Für alles, was über die einfachen 2 Stichproben-Tests hinausgeht, bevorzuge ich die Simulation für Stichprobengrößen- oder Leistungsstudien. Bei vorgefertigten Routinen können Sie manchmal große Unterschiede zwischen den Ergebnissen der Programme feststellen, die auf den getroffenen Annahmen beruhen (und Sie können möglicherweise nicht herausfinden, was diese Annahmen sind, geschweige denn, ob sie für Ihre Studie angemessen sind). Mit der Simulation steuern Sie alle Annahmen.
Hier ist ein Link zu einem Beispiel:
https://stat.ethz.ch/pipermail/r-sig-mixed-models/2009q1/001790.html
quelle