[英]simr: how to specify expected effect size in lm() or aov() models?
在給定一組試驗數據的情況下,我正在嘗試使用simR
來評估簡單 GLM 檢測特定效果大小的能力。 例如:
library(simr)
m1 = lm(y ~ x, data=simdata)
powerSim(m1)
在測試檢測“觀察到的”效果大小(即試驗數據中存在的任何效果大小)的能力時,我這樣做沒有問題,但是我想指定一個“預期的”效果大小。 這在處理LMER
模型時很容易做到,使用fixef
function,例如:
m2 = lmer(y ~ x + (1|g), data=simdata)
fixef(m2)['x'] = <expected effect size>
不幸的是,這個 function 不適用於aov()
或lm()
模型。 例如,使用...
fixef(m1)['x'] = <expected effect size>
導致以下錯誤:
Error in UseMethod("fixef") :
no applicable method for 'fixef' applied to an object of class "c('aov', 'lm')"
我可以使用另一種方法/包/解決方法來更改aov()
或lm()
的效果大小嗎? 我想這可能需要“破解”摘要 output 以改變 F 值(對於aov()
)或系數值(對於lm()
),但是我沒有任何運氣讓它工作。
任何建議將不勝感激!
澄清一下,“效應大小”是指由 model 生成的固定效應系數。 所以在下面的output中:
# Call:
# lm(formula = y ~ x, data = simdata)
# Coefficients:
# (Intercept) x
# 10.6734 -0.2398
x
的“效果大小”為 -0.2398。 在功效分析的背景下,改變效應大小應直接影響統計功效(因為大效應需要較少的檢測功效,反之亦然)。 例如,在使用 LMER 時,使用fixef()
更改效果大小會直接影響統計功效:
m2 = lmer(y ~ x + (1|g), data=simdata)
summary(powerSim(m2, progress=F, nsim=100)
# successes trials mean lower upper
# 1 96 100 0.96 0.9007428 0.9889955
指定較小的效應大小並重新評估功效:
fixef(m2)['x'] = 0.05
summary(powerSim(m2, progress=F, nsim=100)
# successes trials mean lower upper
# 1 12 100 0.12 0.0635689 0.2002357
我嘗試使用以下方法修改lm()
的系數值:
m1 = lm(y ~ x, data=simdata)
m1$coefficients['x'] = <expected effect size>
但是,這對功率沒有影響,例如,將系數從 0.9 更改為 0.09 時
m1$coefficients['x'] = 0.9
summary(powerSim(m1, progress=F, nsim=100))
# successes trials mean lower upper
# 1 22 100 0.22 0.1433036 0.3139197
m1$coefficients['x'] = 0.09
summary(powerSim(m1, progress=F, nsim=100))
# successes trials mean lower upper
# 1 24 100 0.24 0.1602246 0.3357355
所以我想我的問題的更准確的措辭是:如何以反映統計能力變化的方式更改aov()
/ lm()
模型的效果大小?
你需要使用:
coef(m1)['x'] = <expected effect size>
代替
fixef(m1)['x'] = <expected effect size>
最簡單的解決方案是完全避免使用powerSim
,而是使用pwr.f2.test
pwr 中的 pwr.f2.test。 考慮到特定的 model 參數和預期效果大小,這提供了功率的精確測量(與模擬功率相反)。
m1 = lm(y ~ x, data=simdata)
anova(m1)
# Analysis of Variance Table
#
# Response: y
# Df Sum Sq Mean Sq F value Pr(>F)
# x 1 14.231 14.2308 1.5943 0.2171
# Residuals 28 249.925 8.9259
將 anova anova(m1)
中的 df 值用於u
和v
arguments 到pwr.f.test
pwr.f2.test(u=1, v=28, f2=<expected effect size>)
感謝@StupidWolf 解決了這個問題!
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.