使用 simR (glmer) 从头开始进行功率分析 - 如何指定固定和随机效应？
Power analysis from scratch using simR (glmer) - How to specify fixed and random effects?
我是 R 的新手（心理学背景），我正在尝试估计具有固定效应的混合模型 (glmer) 所需的样本量（没有可用的试验数据）'Time' (3水平）和随机效应 'Site'（5 个水平）和 'Participant'（每个站点 n=60），参与者嵌套在站点中。我对 'time' 对各种 'outcome' 变量的影响很感兴趣。理想情况下，希望有随机的斜率和截距，因为我们假设参与者有不同的基线，并且会随着时间的推移发生不同的变化。
我正在关注 Green & MacLeod (2015) 的附录 S2（从头开始进行功率分析）。 SIMR：用于通过仿真对广义线性混合模型进行功率分析的 R 包，网址为：
https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.12504
我的问题与参数规范有关。本文建议以下任意选择的值：
（参见 https://humburg.github.io/Power-Analysis/simr_power_analysis.html）
## Intercept and slopes for intervention, time1, time2, intervention:time1, intervention:time2
fixed <- c(5, 0, 0.1, 0.2, 1, 0.9)
## Random intercepts for participants clustered by class
rand <- list(0.5, 0.1)
## residual variance
res <- 2
我想知道这些数字代表什么？我知道它们代表干预、time1、time2 和交互的斜率和截距，但为什么 5 个参数有 6 个数字？为什么随机效应只有 2 个值？换句话说，我如何调整这些线条以反映我的模型？
感谢任何能指导我回答或进一步阅读的人。
见等式：
y∼treatment+time+treatment×time+(1|class/id)+ϵ
总有截距（固定）。截距是所有预测变量在 0/基线时的 Y 水平。请记住，时间被编码为一个因素而不是协变量。
- 这里截取的是treatment=control和time = 0。
- 治疗=干预
- 时间 = 1
- 时间 = 2
- 治疗=干预*时间
- 治疗=干预*时间2
这两个随机效应是围绕两个分析级别的随机截取：Class 和 id。
这两个数字是封装随机效应的最佳拟合分布。
我是 R 的新手（心理学背景），我正在尝试估计具有固定效应的混合模型 (glmer) 所需的样本量（没有可用的试验数据）'Time' (3水平）和随机效应 'Site'（5 个水平）和 'Participant'（每个站点 n=60），参与者嵌套在站点中。我对 'time' 对各种 'outcome' 变量的影响很感兴趣。理想情况下，希望有随机的斜率和截距，因为我们假设参与者有不同的基线，并且会随着时间的推移发生不同的变化。
我正在关注 Green & MacLeod (2015) 的附录 S2（从头开始进行功率分析）。 SIMR：用于通过仿真对广义线性混合模型进行功率分析的 R 包，网址为： https://besjournals.onlinelibrary.wiley.com/doi/full/10.1111/2041-210X.12504
我的问题与参数规范有关。本文建议以下任意选择的值： （参见 https://humburg.github.io/Power-Analysis/simr_power_analysis.html）
## Intercept and slopes for intervention, time1, time2, intervention:time1, intervention:time2
fixed <- c(5, 0, 0.1, 0.2, 1, 0.9)
## Random intercepts for participants clustered by class
rand <- list(0.5, 0.1)
## residual variance
res <- 2
我想知道这些数字代表什么？我知道它们代表干预、time1、time2 和交互的斜率和截距，但为什么 5 个参数有 6 个数字？为什么随机效应只有 2 个值？换句话说，我如何调整这些线条以反映我的模型？
感谢任何能指导我回答或进一步阅读的人。
见等式：
y∼treatment+time+treatment×time+(1|class/id)+ϵ
总有截距（固定）。截距是所有预测变量在 0/基线时的 Y 水平。请记住，时间被编码为一个因素而不是协变量。
- 这里截取的是treatment=control和time = 0。
- 治疗=干预
- 时间 = 1
- 时间 = 2
- 治疗=干预*时间
- 治疗=干预*时间2
这两个随机效应是围绕两个分析级别的随机截取：Class 和 id。 这两个数字是封装随机效应的最佳拟合分布。