如何在RStudio中计算logistic回归样本量及功效函数参数

1. logistic回归样本量计算方法 #

在R中计算logistic回归的样本量，可通过两类方法实现：

• 经验法则估算：遵循每自变量10个事件（EPV） 规则，即纳入模型的每个自变量，对应至少10个结局事件，该方法仅用于快速粗略估算，对检验效能有精准要求的场景不适用。
• 精准函数计算：可调用WebPower包的wp.logistic()函数，或pwr包的对应效能计算函数。示例计算逻辑：假设对照组结局事件发生率为0.3，待检验自变量的比值比（OR）为2，一类错误α设为0.05，期望检验效能为0.8，运行代码wp.logistic(p0=0.3, OR=2, power=0.8, alpha=0.05)即可得到所需样本量。

2. 随机种子取值与观测数量的关系 #

*随机种子的取值和所需观测/样本数量没有任何关联：

• set.seed()函数的作用是固定随机数生成的起始点，仅用于保证涉及随机模拟的运算结果可复现。
• 不管是set.seed(1000)还是set.seed(888)，种子数值本身不会改变运算得到的样本量结果，也不影响实际需要的观测数量，任意正整数都可以作为随机种子取值，仅用于复现运算结果。

3. 样本量计算函数参数说明 #

你提到的power.t.test()是t检验场景的样本量计算函数，不同分析场景对应的函数参数存在差异：

通用核心参数（所有样本量计算函数都包含的核心项： #

• alpha：一类错误水平，通常设为0.05，即允许的假阳性率
• power：期望检验效能，通常设为0.8，即真实效应存在时能检测到效应的概率，取值在0到1之间
• 效应量：对应不同分析场景的效应大小，t检验中为均值差delta，logistic回归中通常为比值比（OR）、对照组事件发生率等指标

power.t.test()专属参数说明： #

• n：每组的样本量
• delta：两个总体的均值差
• sd：标准差
• power：期望检验效能，取值为0到1之间的比例

内容的提问来源于stack exchange，提问作者JOakland2021