你如何在 R 中对逻辑回归进行功效分析？

Question

我熟悉 G*Power 作为功率分析的工具，但还没有在互联网上找到描述如何计算 R 中逻辑回归的功率分析的资源。 pwr 包没有将逻辑回归列为选项。

Answer 1

您很可能需要“自己动手”。

• 指定预测变量和结果之间的假设关系。
• 指定您可能在研究中观察到的预测变量值。它们会相关吗？
• 指定您想要检测的效果大小，例如，与您的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。
• 对于不同的样本大小 n：
  • 模拟指定的预测变量
  • 模拟结果
  • 运行您的分析
  • 记录您是否检测到统计上的显着影响
  • 多次执行这些步骤，大约 1000 次或更多次。计算您检测到效果的频率。如果您检测到的效果超过（例如）80% 的时间，您就被压制了 - 减少 n 并重新开始。如果您检测到的效果低于 80%，则您的动力不足 - 增加 n 并重新开始。冲洗并重复，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。稍微改变它们。n 的结果值是否对您的假设敏感？

是的，这将是相当多的工作。但这将是值得的。一方面，它会阻止您进行过度或动力不足的研究。另一方面，正如我所写的，这将迫使你深入思考你的假设，这就是启蒙之路。（这是一条痛苦的旅行之路。对不起。）

如果您没有得到任何更好的答案，专门帮助您在 R 中做到这一点，您可能需要向CrossValidated寻求更多帮助。祝你好运！