Gostaria de saber se existem métodos para calcular o tamanho da amostra em modelos mistos? Estou usando lmer
no R para ajustar os modelos (tenho inclinações e interceptações aleatórias).
r
mixed-model
lme4-nlme
power-analysis
Nikita Kuznetsov
fonte
fonte
Respostas:
O
longpower
pacote implementa os cálculos do tamanho da amostra em Liu e Liang (1997) e Diggle et al (2002). A documentação possui código de exemplo. Aqui está um, usando almmpower()
função:Verifique também o
liu.liang.linear.power()
que " executa o cálculo do tamanho da amostra para um modelo misto linear"Liu, G. e Liang, KY (1997). Cálculos de tamanho de amostra para estudos com observações correlacionadas. Biometrics, 53 (3), 937-47.
Diggle PJ, Heagerty PJ, Liang K, Zeger SL. Análise de dados longitudinais. Segunda edição. Oxford. Serires Ciência Estatística. 2002
Editar: Outra maneira é "corrigir" o efeito do agrupamento. Em um modelo linear comum, cada observação é independente, mas na presença de observações em cluster não são independentes, o que pode ser considerado como tendo menos observações independentes - o tamanho efetivo da amostra é menor. Essa perda de eficácia é conhecida como efeito de design :
fonte
Para qualquer coisa além dos simples testes de 2 amostras, prefiro usar a simulação para estudos de tamanho ou potência da amostra. Com rotinas pré-empacotadas, às vezes você pode ver grandes diferenças entre os resultados dos programas com base nas suposições que eles estão fazendo (e talvez você não consiga descobrir quais são essas suposições, muito menos se forem razoáveis para o seu estudo). Com a simulação, você controla todas as suposições.
Aqui está um link para um exemplo:
https://stat.ethz.ch/pipermail/r-sig-mixed-models/2009q1/001790.html
fonte