Je me demande s'il existe des méthodes pour calculer la taille de l'échantillon dans les modèles mixtes? J'utilise lmer
en R pour ajuster les modèles (j'ai des pentes et des interceptions aléatoires).
r
mixed-model
lme4-nlme
power-analysis
Nikita Kuznetsov
la source
la source
Réponses:
Le
longpower
package implémente les calculs de taille d'échantillon dans Liu et Liang (1997) et Diggle et al (2002). La documentation contient un exemple de code. En voici un, en utilisant lalmmpower()
fonction:Vérifiez également
liu.liang.linear.power()
qui " effectue le calcul de la taille de l'échantillon pour un modèle mixte linéaire"Liu, G. et Liang, KY (1997). Calculs de taille d'échantillon pour les études avec observations corrélées. Biometrics, 53 (3), 937-47.
Diggle PJ, Heagerty PJ, Liang K, Zeger SL. Analyse des données longitudinales. Deuxième édition. Oxford. Serires des sciences statistiques. 2002
Edit: Une autre façon est de "corriger" l'effet du clustering. Dans un modèle linéaire ordinaire, chaque observation est indépendante, mais en présence de regroupements, les observations ne sont pas indépendantes, ce qui peut être considéré comme ayant moins d'observations indépendantes - la taille effective de l'échantillon est plus petite. Cette perte d'efficacité est connue sous le nom d'effet de conception :
la source
Pour quoi que ce soit au-delà des simples tests sur 2 échantillons, je préfère utiliser la simulation pour la taille de l'échantillon ou les études de puissance. Avec les routines préemballées, vous pouvez parfois voir de grandes différences entre les résultats des programmes en fonction des hypothèses qu'ils font (et vous ne pourrez peut-être pas savoir quelles sont ces hypothèses, et encore moins si elles sont raisonnables pour votre étude). Avec la simulation, vous contrôlez toutes les hypothèses.
Voici un lien vers un exemple:
https://stat.ethz.ch/pipermail/r-sig-mixed-models/2009q1/001790.html
la source