如何用R的pwr包计算2:1分组比例的最优样本量？

用pwr包自带的pwr.2p2n.test函数 #

pwr.2p.test只适用于1:1等比例分组，不等比例的情况直接用同包的pwr.2p2n.test就行，这个函数支持指定两组不同的样本量。步骤如下：

1. 先算效应量h，和你之前的操作一致
2. 通过设定两组样本量的比例（比如试验组:对照组=2:1，那n2=2*n1），用求解函数找到满足power要求的样本量

示例代码：

library(pwr)
# 计算效应量h
h_val <- ES.h(p1 = 0.6, p2 = 0.5)

# 定义函数，输入n1（对照组样本量），返回当前power与目标0.8的差值
calc_power_diff <- function(n1) {
  test_result <- pwr.2p2n.test(h = h_val, n1 = n1, n2 = 2*n1, sig.level = 0.05, alternative = "greater")
  return(test_result$power - 0.8)
}

# 用uniroot求解满足条件的n1
n_control <- uniroot(calc_power_diff, interval = c(1, 1000))$root
n_treatment <- 2 * n_control

# 输出结果
cat(sprintf("对照组样本量：%d，试验组样本量：%d", round(n_control), round(n_treatment)))

用R基础包的power.prop.test函数 #

基础包自带的power.prop.test也能搞定，不需要额外装包，逻辑和上面类似：

# 定义求解函数
find_n <- function(n1) {
  test <- power.prop.test(p1 = 0.6, p2 = 0.5, n1 = n1, n2 = 2*n1, sig.level = 0.05, alternative = "greater")
  return(test$power - 0.8)
}

n_control <- uniroot(find_n, interval = c(1, 1000))$root
n_treatment <- 2 * n_control

cat(sprintf("对照组样本量：%d，试验组样本量：%d", round(n_control), round(n_treatment)))

额外提示 #

• 如果你不想写求解函数，也可以手动调整n1的值，看pwr.2p2n.test返回的power是否接近0.8，不过用uniroot更精准
• 要是需要更灵活的样本量计算，也可以试试presize包，但上面两个方法已经完全能满足你的需求

内容的提问来源于stack exchange，提问作者Ayoubinsky