你如何对R中的逻辑回归进行功效分析？

Question

我熟悉G * Power作为功耗分析的工具，但还没有在互联网上找到一个资源来描述如何为R中的逻辑回归计算功效分析.pwr包没有列出逻辑回归作为一种选择。

Answer 1

你很可能需要自己推动＃34;。

• 指定预测因子与结果之间的假设关系。
• 指定您在研究中可能观察到的预测变量的值。他们会相关吗？
• 指定您要检测的效果大小，例如，与预测变量的两个特定设置相对应的优势比。
• 指定功率级别，例如，beta = 0.80。
• 对于不同的样本量n：
  • 按指定模拟预测变量
  • 模拟结果
  • 运行分析
  • 记录您是否发现了统计上显着的影响
  • 多次执行这些步骤，大约1000次或更多次。计算您检测效果的频率。如果你发现效果超过（例如）80％的时间，你就会被制服 - 减少n并重新开始。如果您检测到效果低于80％，则表示您动力不足 - 增加n并重新开始。冲洗＆amp;重复，直到你有一个好的n。

然后再考虑一下你所有的假设是否真的有意义。稍微改变一下。结果值是否对您的假设敏感？

是的，这将是相当多的工作。但这是值得的。一方面，它将阻止你进行过度或不足的研究。另一方面，正如我所写，这将迫使你深入思考你的假设，这是通向启蒙的道路。 （这是一条痛苦的旅行之路。抱歉。）

如果您没有获得任何更好的答案，专门帮助您在R中执行此操作，您可能需要CrossValidated寻求更多帮助。祝你好运！

Answer 2

关于Crossvalidated的

This question and answers讨论逻辑回归的权力，包括R代码以及其他讨论和链接以获取更多信息。