tcp窗口大小如何确定_如何确定选择实验（Choice Experiment）的样本大小

De Bekkergrob, Esther W., et al. "Sample Size Requirements for Discrete-Choice Experiments in Healthcare: a Practical Guide."The Patient: Patient-Centered Outcomes Research8.5 (2015): 373-384.

说明：本文主要翻译和搬运自上述paper，偶尔穿插本人使用的心得体会。

选择模型的一大好处就是不需要太多的样本，因为一份问卷中包含多道选择题，相当于每个被访者都被问了好多遍。如果有m道题、N个被访者，我们就能得到n*m条数据。

但这个N的值究竟如何选择呢？学界有许多经验法则（Rule of Thumb），上述paper的作者也总结了一通，之后又提出了自己的计算方法。

计算最小样本大小，首先需要准备5个“原料”：显著水平

、统计功效（statistical power level） (

)、所用的计量模型（例如：MNL，mixed logit, G-MNL等）、参数的预估值

（即先验假设，可以做个小样本的预实验，将预实验的参数估计结果作为参数的预估值）、实验设计（通过Ngene等软件生成）。

参数的预估值是必不可少的，原因有两个：一是选择模型都是非线性的，其AVC（asymptotic variance-covariance）矩阵取决于参数的值本身；二是预估值可以作为效应量（effect size）来使用，而效应量越接近于0，找显著效应就越难，需要更多的样本，所以前期什么都不做光用0来作为预估值，后期就得找好多好多样本啦。

实验设计会直接影响AVC，进而影响参数估计的准确性。具体MNL的AVC如何构建，请参阅McFadden(1974)。AVC是一个包含了所有待估参数的方差和协方差的方阵，对角线是方差，非对角线是协方差（废话）。

原料备齐之后，就可以直接套公式。计算公式如下：

其中，

是效应量，因为效应量很大的话，样本量小一点也足以找到显著偏差；置信水平1-

越高，

也越高，所需的样本大小也越大;

是AVC中的方差（对角线上的元素），选择题越多，方差越小，而方差越小，需要的样本量也越小。

推导过程可以看这里：

https://static-content.springer.com/esm/art%3A10.1007%2Fs40271-015-0118-z/MediaObjects/40271_2015_118_MOESM2_ESM.pdf​static-content.springer.com

看起来有点复杂，我们请R来帮忙~

第一步，确定

，我们选择0.05，即95%的置信水平：

#significance level (alpha)
test_alpha=0.05
z_one_minus_alpha<-qnorm(1-test_alpha)

第二步，确定

，80%差不多了：

#statistical power level (1-beta)
test_beta=0.20
z_one_minus_beta<-qnorm(1-test_beta)

第三步，导入参数的预估值：

#initial belief about the parameter values (results from the simple pooled without pet)
parameters<-as.matrix(c(1.2, -0.1, 0.5, 0.1, 0.3, 0.1, 0.4, 0.1, 0.6, 0.1))

这一步需要注意的是，alternative-specific constant的预估值也要放进去；所有的预估值都要和实验设计中的参数顺序一一对应；as.matrix很多时候是多此一举，但后面矩阵相乘如果你遇到报错Error in %*% : 需要数值/复数矩阵/矢量参数，就把as.matrix加上吧。

第四步，告诉R你的参数个数、每道题的选项个数（要加上“什么都不选”这一项）和选择题数量：

#the DCE design
ncoefficients=10
nalts=4 
nchoices=24

第五步，导入实验设计：

#load the design information
design<-as.matrix(read.csv("文件名", header=FALSE))

实验设计的矩阵可以写在excel里，但要注意，它是一行一个选项，每一行包括了该选项所有特性（attribute）的值，且不能用文字表述，要编码。最终的行数应等于每道题的（选项个数*选择题数量），列数等于参数个数。

红色笔迹涂抹的部分只是为了告诉大家每个单元格里填什么，实际导入时请删去，确保它是一个（选项个数*选择题数量）的矩阵。

为了后面不出错，建议大家在这步结束后验算一下实验设计矩阵和参数向量的维度：

dim(design)
dim(parameters)

第六步，计算AVC矩阵：

#compute the information matrix

#initialize a matrix of size ncoefficients by ncoefficients filled with zeros
info_mat=matrix(rep(0,ncoefficients* ncoefficients),ncoefficients, ncoefficients)

#compute exp(design matrix times initial parameter values)
exputilities=exp(design%*%parameters)

#loop over all choice sets
for(k_set in 1:nchoices){
  
  #select alternatives in the choice set
  alternatives=((k_set-1)*nalts+1):(k_set*nalts)
  
  #obtain vector of choice shares within the choice set
  p_set=exputilities[alternatives]/sum(exputilities[alternatives])
  
  #also put these probabilities on the diagonal of a matrix that only contains zeros
  p_diag=diag(p_set)
  
  #compute middle term P-pp' in equation A.1 of Electronic Supplementary Material 2
  middle_term<-p_diag-p_set%o%p_set
  
  #pre-and postmultiply with the Xs from the design matrix for the alternatives in this choice set
  full_term<-t(design[alternatives,])%*%middle_term%*%design[alternatives,]
  
  #add contribution of this choice set to the information matrix
  info_mat<-info_mat+full_term
}

#get the inverse of the information matrix (i.e., gets the variance-covariance matrix)
sigma_beta<-solve(info_mat, diag(ncoefficients))

其中middle term是这个式子里的：

I是费雪信息矩阵（Fisher information matrix），是AVC的逆矩阵；一共有1~S道选择题，每道选择题s都对应一个特性们的矩阵

；

则是每道选择题s对应的选项被选可能性的矩阵，它对角线上是

，其余都是0。

最后一步，把上面算出来的东西代入公式，得出结果：

#use the parameter values as effect size
effectsize<-parameters

#formula for sample size calculation is n>[(z_(beta)+z_(1-alpha))*sqrt(Σγκ)/delta]^2
N<-((z_one_minus_beta + z_one_minus_alpha)*sqrt(diag(sigma_beta))/abs(effectsize))^2

在console界面打N，就能得出一列每个参数对应的最小样本量了。选出最大值，就是这个实验所需要的最小样本量。

有不对的地方，欢迎大家批评指正！