| R语言实现预测模型样本量估计（1） | 您所在的位置：网站首页 › 最小样本量要求为自变量数目的15倍 › R语言实现预测模型样本量估计（1） |
R语言实现预测模型样本量估计（1）
|
1、经验方法：使用预测变量乘以10得出估计的样本量。（logistics回归分析：自变量的15-20倍；多元线性回归：自变量的5~10倍；Cox回归：自变量的15·20倍） 实际需要考虑：预测参数数量，人群数量，发生率，预测率等。 2、利用pmsampsize包：（计算最小样本量） #pmsampsize实现计算最小样本量 install.packages("pmsampsize") library(pmsampsize) #1、二分类变量结局资料 pmsampsize(type="b",#b代表计算二分类变量结果 rsquared=0.201,#指定新模型的(Cox-Snell)R平方期望值：1)同领域先前研究结果2)调整后的R平方值3)可以使用其他值，C统计量cstatistics（）或Nagelkerke的R平方 parameters = 24,#预测变量数 prevalence=0.189)#预期总体结局比例 #可以用C指数替代(Cox-Snell)R平方 pmsampsize(type="b",#b代表计算二分类变量结果 cstatistic=0.89,#指定新模型的R平方期望值：1)同领域先前研究结果2)调整后的R平方值3)可以使用其他值，C统计量cstatistics（）或Nagelkerke的R平方 parameters = 24,#变量数 prevalence=0.189)#预期总体结局比例 #2、连续变量结局资料 pmsampsize(type = "c", rsquared = 0.7, #指定新模型的(Cox-Snell)R平方期望值 parameters = 30, #预测变量数 intercept = 67, #平均值 sd = 7)#标准差 #3、生存分析 pmsampsize(type = "s", rsquared = 0.051, parameters = 30, #预测变量数 rate = 0.065,#之前研究中总体事件发生率 timepoint = 2, #2年 meanfup = 2.07)#之前研究中平均随访时间以最后生存分析的结果为例，最小样本量为5143。
|
【本文地址】
公司简介
联系我们