我们进行了一项初步研究,我们有一个线性混合效应模型来重复测量结果:
lmer(value ~ time * group * condition + (1 | id),
data = data)
value:带有数字变量的响应时间(只有这个是数字的,其他的用于分组)时间:干预前后(t1 - t2)组:三个不同的干预组条件:奖励和中性条件
有一些显著的结果(p值),如:
t value Pr(>|t|)
(Intercept) 8.042 3.89e-10 ***
timeT3 2.886 0.00517 **
groupEF 0.691 0.49332
groupUMC 0.633 0.53014
conditionreward 1.360 0.17819
timeT3:groupEF -1.670 0.09942 .
timeT3:groupUMC -1.723 0.08931 .
timeT3:conditionreward -2.362 0.02093 *
groupEF:conditionreward -0.898 0.37226
groupUMC:conditionreward -1.183 0.24060
timeT3:groupEF:conditionreward 1.195 0.23601
timeT3:groupUMC:conditionreward 1.860 0.06700 .
我必须做两件事:
- 我必须进行事后功率分析以计算该试验的效应大小)
- 我必须根据试点结果进行先验功率分析,以计算主要研究参数。第一步我失败了。
我的第一个问题是是否有一个好的R包。我找到了& effectsize&;并进行了相同的https://cran.r-project.org/web/packages/effectsize/vignettes/from_testrongtatistics.html#in-linear-mixed-models
然而,据我所知,它首先将模型转换为ANOVE。我的第二个问题是当我得到方差分析结果时,我失去了显著的结果,这是正常的吗?:
Type III Analysis of Variance Table with Satterthwaite's method
Sum Sq Mean Sq NumDF DenDF F value Pr(>F)
time 4147.4 4147.4 1 70.476 2.8898 0.09355
group 7.7 3.8 2 23.406 0.0027 0.99733
condition 698.1 698.1 1 70.476 0.4864 0.48782
time:group 1961.5 980.8 2 70.479 0.6834 0.50823
time:condition 4529.9 4529.9 1 70.476 3.1563 0.07995
group:condition 124.3 62.2 2 70.479 0.0433 0.95763
time:group:condition 5043.6 2521.8 2 70.479 1.7571 0.18002
然后它通过F_to_eta2()函数改变f分数,这在以前的结果中没有给出(但我假设它将t值更改为eta2)。
与下面的示例链接不同,它给了我很多行,可能是因为模型太复杂了。那么,我是否应该像这样分别计算每一行的eta: F_to_eta2(2.88, 2,23.406)?难道没有机会计算全部吗?
将线性混合模型改为方差分析,然后计算效应大小是否有意义?最后,我如何基于效应大小(eta 2)运行先验的功率分析来检测样本量?
我认为我不能回答你关于方差分析的问题,但是,如果你正在寻找一个程序来估计基于试点研究的lmer所需的参与者数量,simr包正好提供了这个。我建议你看看他们的论文,里面有所有必要的细节。