你如何對R中的邏輯回歸進行功效分析？

Question

我熟悉G * Power作為功率分析的工具，但還沒有在互聯網上找到一個資源來描述如何為R中的邏輯回歸計算功效分析.pwr包沒有將邏輯回歸列為選項。

Answer 1

你很可能需要“自己動手”。

• 指定預測因子和結果之間的假設關系。
• 指定您在研究中可能觀察到的預測變量的值。 他們會相關嗎？
• 指定要檢測的效果大小，例如，與預測變量的兩個特定設置對應的優勢比。
• 指定功率級別，例如，beta = 0.80。
• 對於不同的樣本大小n：
  • 按指定模擬預測變量
  • 模擬結果
  • 運行分析
  • 記錄您是否檢測到具有統計顯着性的影響
  • 多次執行這些步驟，大約1000次或更多次。 計算您檢測效果的頻率。 如果您在80％的時間內檢測到效果超過（例如），則會被制服 - 減少n並重新開始。 如果您檢測到效果低於80％，則表示您動力不足 - 增加n並重新開始。 沖洗並重復，直到你有一個好的n。

然后再考慮一下你的所有假設是否真的有意義。 稍微改變一下。 結果值是否對您的假設敏感？

是的，這將是相當多的工作。 但這是值得的。 一方面，它將阻止你進行過度或不足的研究。 另一方面，正如我所寫，這將迫使你深入思考你的假設，這是通向啟蒙的道路。 （這是一條痛苦的旅行之路。抱歉。）

如果您沒有得到任何更好的答案，特別是在R中幫助您執行此操作，您可能需要查看CrossValidated以獲得更多幫助。 祝好運！

Answer 2

這個有關Crossvalidated的問題和答案討論了邏輯回歸的能力，包括R代碼以及其他討論和鏈接以獲取更多信息。