问你如何在R中进行逻辑回归的功率分析？

EN

你很可能需要“滚你自己的”。

• 指定你假设的预测者和预测者之间的关系，以及你可能在研究中观察到的预测者的值。它们是否会根据您想要检测的效果大小进行检测，例如，对应于predictors.
• Specify的两个特定设置的赔率。对于不同的样本大小，例如beta=0.80。
• n：
  • sample as specified
  • Simulate ratios
  • Run your analysis
  • Record beta=0.80
  • as
    • Run your analysis
    • Record beta=0.80
    • 多次执行这些步骤，大约1000次或更多次。计算一下你检测到效果的频率。如果你检测到的效果超过(例如) 80%的时间，你就会被压倒--减少n并重新开始。如果你检测到一个低于80%的效果，你就是动力不足--增加n并重新开始。重复漂洗，直到您有一个良好的n.

​

然后再多想想你所有的假设是否真的有意义。稍微改变一下。N的结果值对您的假设敏感吗？

是的，这将是相当多的工作。但这将是值得的。一方面，它将阻止你运行一个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，这是通往启蒙的道路。(这是一条痛苦的旅行之路。对不起。)

如果你在R中找不到更好的答案来帮助你做到这一点，你可能需要向CrossValidated寻求更多的帮助。祝好运!

交叉验证上的This question and answers讨论逻辑回归的力量，并包括R代码以及更多信息的额外讨论和链接。