R语言中基于ICC条件调整样本量N的高效实现问询

• 需求说明：仅对数据集中**存在ICC值（非NA）**的行，使用公式 N/(1 + (M - 1) * ICC) 调整样本量N。其中：
  • N：原受试者数
  • M：聚类规模
  • ICC：组内相关系数

示例数据集 #

先模拟一个包含缺失ICC值的测试数据集：

df <- data.frame(
  研究ID = 1:5,
  N = c(200, 150, 300, 250, 180),
  M = c(5, 8, 6, 4, 7),
  ICC = c(0.05, NA, 0.08, 0.03, NA)
)

验证可行的代码 #

无需复杂的循环或if语句，直接利用R的向量化操作即可高效完成调整：

# 筛选出ICC非NA的行索引
idx <- which(!is.na(df$ICC))
# 对目标行的N值应用公式调整
df$N[idx] <- df$N[idx]/(1 + (df$M[idx] - 1) * df$ICC[idx])

代码说明 #

• which(!is.na(df$ICC))：精准定位所有ICC值不为空的行，返回对应的索引位置
• 通过索引对df$N进行批量赋值，借助R的向量运算特性，比循环写法更简洁高效，也避免了循环易出现的逻辑错误

内容的提问来源于stack exchange，提问作者Ilaria