|
今天，我们继续学习如何采用R软件的pwr包进行样本量估计。 两个率差异比较的样本量计算 当比较两个率时，可使用pwr.2p.test()函数进行样本量计算。 格式为：pwr.2p.test(h = NULL, n = NULL, sig.level = 0.05, power = NULL, alternative = c('two.sided', 'less','greater'))。 其中，h是效应值，n是各组相同的样本量。 效应值h定义如下：h =2*asin(sqrt(p1))-2*asin(sqrt(p2))，可用h =ES.h(p1, p2)函数进行计算，alternative 选项可以设定检验是双尾检验还是单尾检验（less或greater），默认是双尾检验。 例如：拟研究两种抗菌药物（其中一种为对照药，两组样本量为1:1）对某感染性疾病的治疗效果，经预试验，试验药有效率为80%，对照药有效率为60%，问每组需要观察多少例患者，才能发现两者有统计学差异(假设采用双侧试验，sig.level= 0.05, power =0.90)？ 解释：n为样本大小，是我们需要计算的，h为效应值，效应值通过函数ES.h(p1, p2)进行计算，sig.level=0.05, power =0.90, alternative是检验方式，双侧检验，具体的程序如下： h<>ES.h(0.8, 0.6) pwr.p.test(h=h, n=, sig.level= 0.05, power =0.90, alternative= 'two.sided')， 结果发现每组需要观察53例患者。 当各组中n不相同时，则使用函数pwr.2p2n.test，具体的代码如下： pwr.2p2n.test(h = NULL, n1 = NULL, n2 = NULL, sig.level = 0.05, power = NULL, alternative = c('two.sided', 'less','greater'))。此处，n1和n2是两组的样本大小，其他参数含义与pwr.t2n.test的相同。但是在这里，n1和n2必须确定其一。 方差分析的样本量计算 pwr.anova.test()函数可以对单因素方差分析进行样本量计算。格式为：pwr.anova.test(k = NULL, n = NULL, f = NULL, sig.level = 0.05, power = NULL)，其中，k是组的个数，n是各组中的样本大小，对于单因素方差分析，效应值可通过f来衡量，。 例：现对五个组做单因素方差分析，要达到0.8的功效，效应值为0.25，并选择0.05的显著性水平，功效是0.80，计算各组需要的样本大小。 解释：n为样本大小，是我们需要计算的。k是组数，为5；d为效应值=0.25，power是0.80，sig.level=0.05。具体的程序如下：pwr.anova.test(k = 5, n = , f = 0.25, sig.level = 0.05, power =0.80)。结果发现：结果表明，总样本大小为5*40，即200。 本次分享就到这里了，下一次，我们继续介绍采用R软件的pwr包实现其它数据的样本量估算！
|
|
|
