r - 用于多种固定效果的 simR 功率仿真

Question

我想根据使用试验数据的模拟来估计我所需的研究样本量。我的模型如下所示：

model1 <- glmer(decision ~ 1 + default + aest + obstruc + privatt + (1 + default + aest + obstruc | id), family = 'binomial', data = pilot_data)

simR 包提供了扩展给定数据集的可能性，然后计算模型在增加的数量的不同阶段（在我的情况下为参与者的数量）的功率，在功率曲线中可视化。我不想只测试一个固定效果（通过fixed函数），我想同时运行powerCurve我的三个主要效果（主要效果是：default、aest 和 obstruc；privatt 是一个控制变量）。我的想法是使用该fcompare函数并将我的完整模型与空模型（只有截距）进行比较。

我的问题是：这个程序在统计上是否正确？最后，我想检查我的功率曲线达到 80% 的位置并招募相应数量的参与者。

扩展数据集并生成幂曲线的代码如下所示：

model1_ext <- extend(model1, along='id', n='250')
pc_model1 <- powerCurve(model1_ext, fcompare(~ 1, method = 'pb'), along='id', nsim=1000 )

标签： rsimulationmixed-models

Answer 1

我怀疑您会低估所需的样本量。

您提出的测试询问“所有这些影响加在一起是否显着？”。但是，如果您想知道特定效果是否显着，您需要从数据中提出更多要求，因此您可能需要更大的样本量。

您的样本量通常由您的“最难”问题决定，因此我建议为每个效果运行单独的功效曲线。

---

如果您在模拟时间方面遇到问题，可能可以使用'kr'而不是'pb'. 分析已经是一个近似值（因为我们永远不知道我们用于模拟的参数的“真实”值）。如果您担心这两个测试可能会给出不同的结果，您可以'pb'在单次运行中仔细检查您建议的样本量powerSim。