Determinación del tamaño del efecto para un análisis de potencia de ANOVA de medidas repetidas

Question

Se trata de un seguimiento de la tamaño de la muestra de medidas repetidas pregunta.

Estoy planeando un experimento de medidas repetidas. Registramos el uso de la energía durante 12 meses, luego damos a la mitad de los clientes (asignados al azar) información continua sobre su uso de la energía (realizamos el tratamiento), y registramos su uso de la energía durante otros 12 meses. Un estudio similar realizado en el pasado mostró una reducción del 5% en el consumo de energía.

Quiero estimar el tamaño de la muestra requerida utilizando $\alpha=0.05, \beta=0.1$ . G*Power 3 tiene una herramienta para el análisis de potencia de medidas repetidas. Sin embargo, requiere dos entradas con las que no estoy del todo familiarizado:

• $\lambda$ - el parámetro de no centralidad (¿Cómo lo estimo?)
• $f$ - el tamaño del efecto (creo que es la raíz cuadrada del coeficiente de Cohen $f^2$ )

Según la página del tamaño del efecto de Wikipedia:

Cohen's $f^2= {R^2_{AB} - R^2_A \over 1 - R^2_{AB}}$ donde $R^2_A$ es la varianza explicada por un conjunto de una o más variables independientes $A$ y $R^2_{AB}$ es la varianza combinada explicada por $A$ y otro conjunto de una o más variables independientes $B$ .

Sin embargo, mi cambio esperado del 5% en el consumo de energía no me dice cuánta variabilidad se explicará. ¿Hay alguna manera de hacer esta conversión?

Si conoces una forma de hacer este análisis de potencia en R, me encantaría escucharlo. Estoy planeando simular algunos datos y tratar de usar lmer del paquete lme4.

Answer 1

Asumiendo que va a promediar los primeros 12 meses para formar una medida de referencia y los segundos 12 meses para formar como medida de seguimiento, su problema se reduce a una prueba t de medidas repetidas.

G*Power

Puede que quieras comprobar el siguiente menú en G*Power 3: Tests - Means - Two Dependent Groups (matched pairs) . Utilice A priori, $\alpha=.05$ Potencia = 0,90. Utilice el Determine para determinar el tamaño del efecto. Esto requiere que pueda estimar las medias de los tiempos 1 y 2, las sds y la correlación entre los puntos de tiempo.

Si no sabes nada del tema, basándome en mi experiencia en psicología, empezaría con algo como

M1 = 0, SD1 = 1, SD2 = 1
correlation = .60

Esto significa que M2 es básicamente una d de Cohen entre sujetos.

A continuación, podría examinar algunos valores diferentes de M2, como 0,2, 0,3, ... 0.5, ... 0,8, etc. Las reglas de Cohen sugieren que 0,2 es pequeño, 0,5 es mediano y 0,8 es grande.

R

La UCLA tiene un tutorial sobre cómo hacer un análisis de potencia en una prueba t de medidas repetidas usando R.

Punto lateral

Como punto secundario, podría considerar la posibilidad de tener un grupo de control.