您如何進行R中邏輯迴歸的功效分析？

Question

我熟悉G * Power作爲功耗分析的工具，但還沒有找到互聯網上的資源來描述如何計算R的邏輯迴歸的功耗分析。pwr軟件包沒有列出邏輯迴歸作爲一個選項。

Answer 1

您很可能需要「滾動自己」。

• 指定您在預測變量和結果之間的假設關係。
• 指定您在研究中可能觀察到的預測變量的值。他們會相互關聯嗎？
• 指定您想檢測的效果大小，例如，與預測變量的兩個特定設置相對應的比值比。
• 指定功率級別，例如，β= 0.80。
• 對於不同的樣本量N：
  • 模擬預測爲指定
  • 模擬成果
  • 運行分析
  • 記錄是否檢測統計顯著效果
  • 操作步驟很多次，上1000次或更多的次序。計算您檢測效果的頻率。如果您檢測到的效果超過（例如）80％以上的時間，那麼您的效率就會過高 - 減少n並重新開始。如果您發現效果低於80％，則效率低下 - 增加n並重新開始。沖洗&重複，直到你有一個好的n。

然後再想一些關於你所有的假設是否真的有意義。改變他們一點。 n的結果值對你的假設是否敏感？

是的，這將是一個相當的工作。但這將是值得的。一方面，它會阻止你進行過度或不足的學習。另一方面，正如我寫的，這將迫使你深入思考你的假設，這是啓蒙之路。 （這是一個痛苦的旅行途徑，對不起）

如果你沒有得到任何更好的答案，特別幫助你在R中做到這一點，你可能想看看CrossValidated尋求更多幫助。祝你好運！

Answer 2

This question and answers關於交叉驗證討論邏輯迴歸的力量，包括R代碼以及其他更多信息的討論和鏈接。