Poweranalyse für gemischte Modelle

Varianzanalyse, Diskriminanzanalyse, Kontingenzanalyse, Faktorenanalyse, Clusteranalyse, MDS, ....

Moderator: EDi

Antworten
FKr

Poweranalyse für gemischte Modelle

Beitrag von FKr »

Wie kann man die Power für eine Moderation (Einfluss von ASW auf PFau_mc moderiert durch divbel_mc) mithilfe der Funktion powerCurve berechnen?
Ich dachte durch die Verknüpfung von ASW und divbel_mc mit dem * wäre dies umsetzbar.
Vielen, vielen Dank für die Hilfe!

library("simr")
model4 <- glmer(PFau_mc~ ASW * divbel_mc + (1 | CO1),family = "gaussian", data = g2_fau )
fixef(model4)[c("ASW", "divbel_mc", "ASW:divbel_mc")] <- c(0.47, -0.46, 0.2)
powerCurve(model4 , along = "CO1", nsim = 100)

es erscheint diese Fehlermeldung:
Calculating power at 10 sample sizes along CO1
Error in getDefaultXname(fit) :
Couldn't automatically determine a default fixed effect for this model.
Benutzeravatar
EDi
Beiträge: 1599
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Poweranalyse für gemischte Modelle

Beitrag von EDi »

Code: Alles auswählen

model4 <- glmer(PFau_mc~ ASW * divbel_mc + (1 | CO1),family = "gaussian", data = g2_fau )
glmer bracuht man hier nicht, lmer reicht (family = "gaussian"!).
Behebt das schon dein Problem?
Ansonsten könntst du die Formal ausschreiben (ASW + divbel_mc + ASW : divbel_mc).

Ansonsten siehe auch hier: https://github.com/pitakakariki/simr/issues/96
Musst also noch angeben, welchen der fixed effects du testen möchtest.

Alles Spekulationen meinerseits, da ein reproduzierbares Beispiel fehlt :(
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.

Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
Bild.
FKr

Re: Poweranalyse für gemischte Modelle

Beitrag von FKr »

Vielen, vielen Dank, das hat sehr weitergeholfen!
Mit lmer statt glmer ging es leider nicht, es kam wiederholt eine Warnung:

Warning in lme4::lmer(formula = Punkte ~ ASW + (1 | CO1), data = g2_fau, :
passing control as list is deprecated: please use lmerControl() instead
Error in (function (optimizer = "bobyqa", restart_edge = TRUE, boundary.tol = 1e-05, :
unused arguments (tolPwrss = 1e-07, compDev = TRUE, nAGQ0initStep = TRUE, checkControl = list(check.nobs.vs.rankZ = "ignore", check.nobs.vs.nlev = "stop", check.nlev.gtreq.5 = "ignore", check.nlev.gtr.1 = "stop", check.nobs.vs.nRE = "stop", check.rankX = "message+drop.cols", check.scaleX = "warning", check.formula.LHS = "stop", check.response.not.const = "stop"), checkConv = list(check.conv.grad = list(action = "warning", tol = 0.001, relTol = NULL), check.conv.singular = list(action = "ignore", tol = 1e-04),
check.conv.hess = list(action = "warning", tol = 1e-06)))
Benutzeravatar
EDi
Beiträge: 1599
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Poweranalyse für gemischte Modelle

Beitrag von EDi »

Mit lmer statt glmer ging es leider nicht, es kam wiederholt eine Warnung:
Nicht nur eine Warnung, sondern auch ein Fehler!
Kommt das beim Model, oder der PowerCurve?

Bitte ein reproduzierbares Beispiel liefern, sowie session Info.

Ich nutze simr recht häufig und hatte bisher nicht solche Probleme (ändere meistens aber nur das n, nicht die ranef).
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.

Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
Bild.
FKr

Re: Poweranalyse für gemischte Modelle

Beitrag von FKr »

Wodurch habe ich die ranef und das n verändert?

Wie kann ich ein Beispiel zeigen ohne den ganzen Datensatz hochzuladen?

Danke! :roll:
Benutzeravatar
EDi
Beiträge: 1599
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Poweranalyse für gemischte Modelle

Beitrag von EDi »

Code: Alles auswählen

along = "CO1"
Verändert doch den ranef??
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.

Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
Bild.
FKr

Re: Poweranalyse für gemischte Modelle

Beitrag von FKr »

das CO1 ist nur die Gruppeneinteilung, weil es nicht unabhängige Personen sind, sondern Teams :)
warum verändern sich die Ergebnisse, wenn ich family=gaussian rausnehme?

Vielen, vielen Dank!
Antworten