Stichprobengrösse und power Berechnung in r als alternative zu proc macht in SAS?

So, ich bin versucht, um zu sehen, wie nah die Größe der Stichprobe Berechnungen (zur Probe zwei unabhängige Proportionen mit ungleichen Muster, Größen) sind zwischen proc macht in SAS und einige Beispiel-Größe-Funktionen in r. Ich bin mit den Daten, die hier an der UCLA-website.

Dem UCLA-Website haben die Parameter wie folgt:

p1=.3,p2=.15,power=.8,null Unterschied=0, und für die zwei-Seiten-tests es wird davon ausgegangen gleicher sample-Größen;

für die ungleiche Stichprobengröße tests der Parameter sind die gleichen, mit der Gruppe der GEWICHTE von 1 für Gruppe1 und 2 für die Gruppe 2, und die Prüfungen, die Sie durchführen, sind einseitig.

Bin ich mit der r-Funktion 

pwr.t.test(n=NULL,d=0,sig.level=0.05,type="two.sample",alternative="two.sided")

aus der pwr Paket.

Also, wenn ich die Eingabe der parameter Auswahl der UCLA Website hat für Ihre erste Beispiel, bekomme ich die folgende Fehlermeldung: 

Error in uniroot(function(n) eval(p.body) - power, c(2, 1e+07)) :
  f() values at end points not of opposite sign.

Diese erscheint, weil der Unterschied ist nicht nachweisbar durch r. I set d=.5 und es lief. Würde SAS geben Fehler als auch für zu klein für einen Unterschied? Es nicht in der Beispiel als Ihre null-Differenz ist null auch.

Bekomme ich auch die oben genannten Fehler bei Verwendung von 

pwr.2p.test(h = 0, n = , sig.level =.05, power = .8)

und

pwr.chisq.test(w =0, N = , df =1 , sig.level =.05, power =.8 ).

Ich etwas tun, schrecklich falsch, aber ich kann nicht scheinen, um wirklich einen Weg finden, wenn die Hypothese aufgestellt, Differenz 0 ist.

Ich verstehe, dass SAS und r werden mit verschiedenen Methoden für die Berechnung der Leistung, also sollte ich nicht erwarten, das gleiche Ergebnis zu erhalten. Ich bin wirklich nur versucht, um zu sehen, ob ich replizieren kann, proc power Ergebnisse in r.

Ich in der Lage, erhalten nahezu identische Ergebnisse für das erste Beispiel mit der gleichen sample-Größen und eine zweiseitige alternative mit 

 bsamsize(p1=.30,p2=.15,fraction=.5, alpha=.05, power=.8)

aus der Hmisc Paket. Aber wenn Sie es tun 1-seitige tests bei ungleichen Stichprobengrößen, ich kann nicht replizieren solche.

Gibt es eine Möglichkeit zum replizieren der Prozess in r, für die 1-seitige Stichprobengröße Berechnungen für ungleiche Gruppengrößen?

Cheers.

  • Ich bin ein wenig verwirrt, warum Sie mit pwr.t.test für eine power-Analyse der Proportionen, im Gegensatz zu sagen pwr.chisq.test? Kannst du etwas spezifischer werden (z.B. aufzeigen der spezifischen code, den Sie lief, anstatt Sie einfach "I input-parameter Abschnitten als die UCLA-Website hat für Ihr erstes Beispiel") ?
  • Hi. Ich habe ein paar mehr info oben. Bitte lassen Sie mich wissen, wenn das nicht hilft. Auch die code-Zeilen oberhalb der genaue code, den ich lief in r, mit dem UCLA-Werte in die Funktion ein.
  • Mein Eindruck ist, dass d > 0 ist notwendig für pwr.t.test zu geben, sinnvolle Ausgabe.
InformationsquelleAutor user27008 | 2013-03-13
  1. 3

    In pwr.t.test und seine Derivate, d ist nicht das null Unterschied (das ist der Wert null angenommen wird), aber die Effektstärke/Hypothese Unterschied zwischen den beiden Populationen. Wenn der Unterschied zwischen Bevölkerung bedeutet ist null, keine Probe Größe lässt Sie erkennen einen nicht vorhandenen Unterschied.

    Wenn die Bevölkerung a hat Einen Anteil von 15% und population B hat einen Anteil von 30%, verwenden Sie dann die Funktion pwr::ES.h zum berechnen der Größe des Effekts und einen test von Proportionen wie:

    > pwr.2p.test(h=ES.h(0.30,0.15),power=0.80,sig.level=0.05)

     Difference of proportion power calculation for binomial distribution (arcsine transformation) 

              h = 0.3638807
              n = 118.5547
      sig.level = 0.05
          power = 0.8
    alternative = two.sided

NOTE: same sample sizes

> pwr.chisq.test(w=ES.w1(0.3,0.15),df=1,sig.level=0.05,power=0.80)

     Chi squared power calculation 

              w = 0.2738613
              N = 104.6515
             df = 1
      sig.level = 0.05
          power = 0.8

NOTE: N is the number of observations
    • Ah, okay. Gut, für die Verwendung pwr.2p.test(h = .15, n =, sig.level =.05, power =.8 ,alternative="two.sided") ich bekam n=697.6765 pro Gruppe. Ucla bekam n=121,120,und 132 verläuft von drei verschiedenen Methoden. Für die Verwendung pwr.chisq.test(w=0.15,df=1,sig.level=0.05,power=0.80) ich bekam N= 348.8382. Ich bin immer noch nicht verstehen, warum ich bin immer so große Unterschiede in n ist.
    • Also ich war in der Lage zu replizieren die Ergebnisse von der Durchführung der Berechnungen von hand. Ich denke, es wäre sinnvoll, ein Paket in r zu tun, einige der tests, proc power führt. Ich habe meine Formeln setzen, aber bin mir nicht sicher, wie schwierig es ist, ein Paket, dass würde die Durchführung der Berechnungen notwendig.
    • Ich denke, Ihre interpretation der h-parameter ist falsch @Blue Magister, weil es möglich ist, zu liefern h höher als 1 ist, aktivieren Sie dieses Beispiel pwr.2p.test(h=2, sig.level = 0.05, power = 0.8). Übrigens h steht für th Cohen ' s d, die ist laut gehören zum Intervall (-3,3) Lesen Sie info über dieses Paket hier
    • Durch die Art und Weise, vielleicht werden Sie wissen, die Antwort für eine ähnliche Frage stats.stackexchange.com/questions/123111/... ?
    • Die überprüfung dieser Antwort erkannte ich, dass ich vergessen habe zu verwenden, der Größe des Effekts Funktionen pwr::ES.h, pwr::ES.w1, und pwr::ES.w2. Die Frage bearbeitet wurde, zu reflektieren.
    InformationsquelleAutor Blue Magister
Schreibe einen Kommentar