Dimensione del campione nella regressione logistica: un semplice approccio binario
Questo articolo ti guiderà nel calcolo della dimensione del campione per una regressione logistica binaria semplice.
Utilizzeremo il popolare software gratuito G*Potere, uno dei più utilizzati per questo scopo.
Eravamo L'idea di scrivere questo articolo ci è venuta dopo aver constatato che molti tutorial online per il calcolo della dimensione del campione tramite G*Power sono imprecisi.
Selezione dell'analisi di regressione logistica
Dopo aver scaricato e installato G*Power, aprilo e seleziona l'opzione di calcolo della dimensione del campione per l'analisi regressione logistica facendo clic su Test: Correlazione e regressione: scheda Regressione logistica.
A una coda o a due code?
Successivamente, inserisci i seguenti parametri:
In Tail(s), selezionare Uno per i test a una coda o Due per i test a due code.
A unilaterale è appropriato per una specifica ipotesi alternativa, come ad esempio "un valore maggiore di X corrisponde a una maggiore probabilità che l'evento si verifichi“
A a due code è adatto per un'ipotesi alternativa generale, come "X influenza l'evento Y", senza una distinzione direzionale iniziale.
Basate la vostra ipotesi sulle conoscenze esistenti nel vostro campo. In caso di dubbio, optate per un test a due code.
Livello di significatività
Il livello di significatività (α) rappresenta la probabilità di rifiutare l'ipotesi nulla quando è vera, portando ad un errore di tipo I.
In genere, α viene impostato a 0.05 o 0.01. Un α di 0.05, ad esempio, indica un rischio del 5% di concludere che esista una relazione significativa quando in realtà non ce n'è alcuna.
Potere statistico
The potenza del test (1 – β) è la probabilità di rifiutare l'ipotesi nulla se falsa, controllando di fatto l'errore di tipo II (β).
I valori accettabili sono generalmente compresi tra 0.80 con 0.99. Una maggiore potenza del test è preferibile, ma aumenta anche la dimensione del campione necessaria.
R² di altre variabili esplicative (X)
Poiché i modelli di regressione logistica binaria semplici hanno una sola variabile indipendente, impostare questo valore a zero.
❓ CONFUSO DALL'ANALISI DEI DATI?
La nostra guida completa lo renderà cristallino
Clicca per saperne di più!
Distribuzione X variabile
Seleziona il tipo di distribuzione per la variabile X, che è la variabile indipendente o predittiva nel modello.
Scegli la distribuzione binomiale per le variabili binarie, Normale per le variabili quantitative continue e Poisson per le variabili discrete. Utilizza altre distribuzioni disponibili solo se necessario.
Studio pilota?
Gli ultimi quattro parametri richiedono stime della popolazione derivanti da uno studio pilota, da ricerche simili o da calcoli teorici.
Se possibile, utilizzate i dati di uno studio pilota, come dimostreremo in seguito.
Media stimata e deviazione standard
Inserire la media e la deviazione standard della variabile X ricavate dai dati dello studio pilota per i parametri Media della popolazione della variabile X e Deviazione standard della popolazione della variabile X, rispettivamente. dei parametri della Variabile X, rispettivamente.
Analisi preliminare
Ottenere gli ultimi due parametri tramite un'analisi preliminare di regressione logistica semplice con i dati dello studio pilota.
Per la nostra dimostrazione, utilizzeremo il software PSPP , gratuito e facile da usare. È possibile utilizzare qualsiasi software in grado di eseguire la regressione logistica. capace di eseguire regressione logistica può essere utilizzato.
Odds Ratio
The rapporto di probabilità indica l'associazione tra un'esposizione e un esito e misura la dimensione dell'effetto.
Eseguire un'analisi preliminare con i dati pilota in PSPP per ottenere il valore rapporto di probabilità (Exp(B) per la variabile X, 1.48 in questo esempio) e inserirlo in G*Power.
Probabilità di y = 1 sotto H0
Il parametro finale è la probabilità di occorrenza della variabile dipendente (y = 1) quando l'ipotesi nulla (H0) è vera, ovvero quando il coefficiente della variabile indipendente (X) è uguale a 0 e il modello contiene solo l'intercetta.
Per calcolare questo valore, inserisci la stima della costante (intercetta) B ottenuta nel passaggio precedente nella seguente formula di Excel:
=ESP(B)/(1+ESP(B))
Per il nostro esempio:
=ESP(-1.85)/(1+ESP(-1.85))
=0.1355
Conclusione
Dopo aver inserito tutti i parametri in G*Power, fai clic su Calcola per ottenere la dimensione del campione determinata dal calcolo!
Nel nostro esempio, la dimensione del campione necessaria per identificare l'odds ratio stimato è di 97 individui selezionati casualmente dalla popolazione target.
Seguendo questi passaggi e utilizzando G*Power, è possibile calcolare in modo efficace la dimensione campionaria appropriata per un'analisi di regressione logistica binaria semplice.
This processo consente di ottimizzare la progettazione dello studio, ridurre al minimo gli errori e migliorare la validità dei risultati.
Inoltre, understanding del ruolo dei diversi parametri nella determinazione della dimensione del campione contribuisce a una comprensione completa della regressione logistica nel suo insieme.
Vuoi imparare come calcolare la dimensione del campione in G*Power per le analisi inferenziali più cruciali?
Non perderti gli estratti GRATUITI del nostro libro digitale appena lanciato!
All'interno imparerai a padroneggiare il calcolo della dimensione del campione per test t indipendenti o accoppiati; ANOVA a una o due vie, con o senza misure ripetute, e modelli misti; regressione lineare e logistica semplice e multipla e altro ancora.
Clicca su questo link e scopri tutto ciò che ha da offrire: Statistica applicata: analisi dei dati.
