功率和样本大小的计算是科学研究计划的重要组成部分。可以使用Stata的power命令来计算许多常用统计测试的功率和样本大小需求。但对于更复杂的模型是没有简单公式的,如多层/纵向模型和结构方程模型(SEMs)。蒙特卡罗模拟是计算复杂模型的功率和样本大小要求的一种方法,Stata提供了执行此操作所需要的所有工具。甚至可以将模拟集成到Stata的power命令中,可以轻松地为一系列参数值创建自定义表格和图形。
比如,下面的自定义程序power simmixed拟纵向模型的功率,假设模 参与者的数量(级别2)为100到500,每次增加100,每个参与者有5到6个观察值(级别1)。power simmixed还创建了一个表(未显示)和下图来显示模拟的结果。我的同事和我写了一系列文章展示如何做到这一点。在今天的文章中,将介绍使用模拟计算功率和样本大小要求所需的基本工具。在第二篇文章中,将展示如何将模拟集成到Stata的power命令中。然后,我们将展示线性回归,逻辑回归,多级/纵向模型和结构方程模型的具体示例。
基本思路
统计功率是当零假设为假时拒绝零假设的概率。功率的计算是基于一组假设,例如样本大小,alpha水平和特定的替代假设。例如,我们可能希望计算t检验的功率,假设零假设的样本均值为70,替代假设为75,样本大小为100,alpha水平为0.05。
使用蒙特卡罗模拟计算功率的基本步骤是:
1. 生成假设替代假设为真(例如,均值=75)的数据集。
2. 使用数据集测试零假设(例如,测试均值= 70)。
3. 保存测试结果(例如,“拒绝”或“未拒绝”)。
4. 多次重复步骤1-3(通常为1,000或更多)。
零假设被拒绝的比例是我们对统计能力的估算。在上面的例子中,我们可能在1000次迭代中观察到834次“拒绝”,这使我们的估算功率为0.834或83.4%。
要执行这些步骤,需要熟悉Stata的一些编程工具。以下是本文中介绍的主题列表。如果您熟悉其中一些主题,可以单击下面的链接跳到不熟悉的主题。
主题列表
标量和局部宏
创建伪随机数据集
存储模型输出如何使用程序创建简单程序
如何使用程序创建有用的程序
如何使用模拟多次运行程序
用power onemean来检查结果 用power onemean来检查结果 标量和局部宏 标量和本地宏是模拟的重要工具,因为它们允许将数字临时存储在内存中。 例如,可以通过输入将数字1存储到名为i的标量中。