SimR Power Simulation для нескольких фиксированных эффектов

Question

Я хочу оценить требуемый размер моей выборки на основе моделирования с использованием пилотных данных.Моя модель выглядит следующим образом:

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

Пакет simR предлагает возможность расширения заданного набора данных, а затем рассчитать мощность вашей модели на разных этапах числа, которое было увеличено (в моем случае количество участников), визуализированный в powercurve.Вместо того, чтобы тестировать только один фиксированный эффект (с помощью функции fixed), я хотел бы одновременно запускать powerCurve для моих трех основных эффектов (основные эффекты: default, aest и obstruc; privatt - управляющая переменная).Моя идея состоит в том, чтобы использовать функцию fcompare и сравнить мою полную модель с нулевой моделью (только с перехватом).

Мой вопрос: является ли эта процедура статистически правильной?В конце я хочу проверить, где мой powercurve достигает 80% и набрать соответствующее количество участников.

Код для расширения набора данных и создания кривой мощности выглядит следующим образом:

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

Answer 1

Я подозреваю, что вы недооцените требуемый размер выборки.

Тест, который вы предлагаете, спрашивает: "Являются ли все эти эффекты, взятые вместе, значительными?"Но если вы хотите знать, значим ли специфический эффект, вы запрашиваете немного больше из своих данных, и поэтому вам, вероятно, понадобится больший размер выборки.

Ваш размер выборкиобычно определяется вашим «самым сложным» вопросом, поэтому я бы порекомендовал использовать отдельную кривую мощности для каждого эффекта.

---

Если у вас возникли проблемы со временем моделирования, то, вероятно, все в порядке, используйте 'kr', а не 'pb'.Анализ уже приблизительный (так как мы никогда не знаем «истинных» значений параметров, которые мы используем для нашего моделирования).Если вы обеспокоены тем, что два теста могут дать разные результаты, вы можете дважды проверить предложенный размер выборки с помощью 'pb' за один прогон powerSim.