[英]Power analysis for multiple regression using pwr and R
我想確定在與其他協變量的多元回歸中檢測兩個連續變量(縮放)的交互項的影響所需的樣本量。
我們發現了之前小型研究失敗的效果。 這些影響很小,但審稿人要求我們說以前的研究可能不足,並提供一些措施來支持這一點。
我使用的是pwr
包中的pwr.f2.test()
函數,如下:
pwr.f2.test(u = nominator, v = denominator, f2 = effect size, sig.level = 0.05, power = 0.8)
,以及我將分母設置為 NULL 以便我可以獲得樣本大小。
這是我從summary()
模型輸出:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -21.2333 20.8127 -1.02 0.30800
age 0.0740 0.0776 0.95 0.34094
wkdemand 1.6333 0.5903 2.77 0.00582 **
hoops 0.8662 0.6014 1.44 0.15028
wtlift 5.2417 1.3912 3.77 0.00018 ***
height05 0.2205 0.0467 4.72 2.9e-06 ***
amtRS 0.1041 0.2776 0.37 0.70779
allele1_numS -0.0731 0.2779 -0.26 0.79262
amtRS:allele1_numS 0.6267 0.2612 2.40 0.01670 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 7.17 on 666 degrees of freedom
Multiple R-squared: 0.0769, Adjusted R-squared: 0.0658
F-statistic: 6.94 on 8 and 666 DF, p-value: 8.44e-09
模型效果大小估計來自lmSupport
包中的modelEffectSizes()
函數:
Coefficients
SSR df pEta-sqr dR-sqr
(Intercept) 53.5593 1 0.0016 NA
age 46.7344 1 0.0014 0.0013
wkdemand 393.9119 1 0.0114 0.0106
hoops 106.7318 1 0.0031 0.0029
wtlift 730.5385 1 0.0209 0.0197
height05 1145.0394 1 0.0323 0.0308
amtRS 7.2358 1 0.0002 0.0002
allele1_numS 3.5599 1 0.0001 0.0001
amtRS:allele1_numS 296.2219 1 0.0086 0.0080
Sum of squared errors (SSE): 34271.3
Sum of squared total (SST): 37127.3
問題:
我在pwr.f2.test()
的 f2 插槽中放了什么值? 我認為分子將是 1,我應該使用modelEffectSizes()
的 pEta-sqr,所以在這種情況下是 0.0086?
此外,我得到的估計樣本量通常比我們的樣本量 675 大得多——這是否意味着我們“很幸運”獲得了顯着影響(考慮到影響大小,我們只會在 50% 的時間內檢測到它們) )? 請注意,我對不同事物的多種測量都指向同一個發現,所以我對那里比較滿意。
我在 pwr.f2.test() 的 f2 槽中放了什么值?
對於每個pwr
功能,你進入三四個量(影響大小,樣本大小,顯着性水平,功率)和第四的將被計算(1)。 在pwr.f2.test
u
和v
是分子和分母的自由度。 並且f2
用作效果大小的度量。 例如,您將在那里放置一個效果大小估計。
pEta-sqr 是要使用的正確“效果大小”嗎?
現在,有許多不同的效應量度量。 Pwr
專門使用 Cohen 的F 2 ,它與 pEta-sqr 不同,所以我不推薦它。
那么我可以使用哪種效應量度量?
正如@42- 提到的,您可以嘗試使用 delta-R 2效果,它在您的輸出變量中被標記為“dR-sqr”。 您可以使用由 Selya等人描述的 Cohen's f 2測量局部效應大小的變化來做到這一點。 (2012)。 它使用以下等式:
在等式中, B是感興趣的變量, A是所有其他變量的集合,R 2 AB是A和B共同占方差的比例(相對於沒有回歸量的模型),R² A是A占方差的比例(相對於沒有回歸量的模型)。 我會按照@42- 的建議去做——例如建立兩個模型,一個有交互,一個沒有,並使用它們的 delta-R 2效應大小。
重要的是,正如@42- 正確指出的那樣,如果審稿人問您之前的研究是否功效不足,您需要使用這些研究的樣本量來進行功效計算。 如果您使用自己研究的參數,首先您已經知道答案——您確實有足夠的能力來檢測差異,其次,您是事后進行的,這聽起來也不正確。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.