10.3　绘制功效分析图形

结束pwr包的探讨前，我们再学习一个涉及面更广的绘图示例。假设对于相关系数统计显著性的检验，你想计算一系列效应值和功效水平下所需的样本量，此时可用pwr.r.test()函数和for循环来完成任务，参见代码清单10-2。

代码清单10-2　检验各种效应值下的相关性所需的样本量曲线

  1. library(pwr)
  2. r <- seq(.1,.5,.01)     # ❶ 生成一系列相关系数和功效值
  3. nr <- length(r)
  5. p <- seq(.4,.9,.1)
  6. np <- length(p)
  8. samsize <- array(numeric(nr*np), dim=c(nr,np))     # ❷ 获取样本大小
  9. for (i in 1:np){
  10.   for (j in 1:nr){
  11.     result <- pwr.r.test(n = NULL, r = r[j],
  12.     sig.level = .05, power = p[i],
  13.     alternative = "two.sided")
  14.     samsize[j,i] <- ceiling(result$n)
  15.   }
  16. }
  18. xrange <- range(r)     # ❸ 创建图形
  19. yrange <- round(range(samsize))
  20. colors <- rainbow(length(p))
  21. plot(xrange, yrange, type="n",
  22.      xlab="Correlation Coefficient (r)",
  23.      ylab="Sample Size (n)" )
  25. for (i in 1:np){     # ❹ 添加功效曲线
  26.   lines(r, samsize[,i], type="l", lwd=2, col=colors[i])
  27. }
  29. abline(v=0, h=seq(0,yrange[2],50), lty=2, col="grey89")     # ❺ 添加注释
  30. abline(h=0, v=seq(xrange[1],xrange[2],.02), lty=2,
  31.        col="gray89")
  32. title("Sample Size Estimation for Correlation Studies\n
  33.       Sig=0.05 (Two-tailed)")
  34. legend("topright", title="Power", as.character(p),
  35.        fill=colors)

代码清单10-2使用seq函数来生成一系列的效应值r（H1时的相关系数）和功效水平p❶。然后，利用两个for循环来循环读取这些效应值和功效水平，并计算相应所需的样本大小，将其存储在数组samsize中❷。随后，创建图形，设置合适的水平轴和垂直轴以及标签❸。使用曲线形式（lines）而不是点形式（points）来添加功效曲线❹。最后，添加网格和图例，以使图形易于理解❺。结果见图10-3。

10.3　绘制功效分析图形 - 图1

图10-3　在不同功效水平下检测到显著的相关性所需的样本量

从图10-3中可以看到，在40%的置信度下，要检测到0.20的相关性，需要约75的样本量。在90%的置信度下，要检测到相同的相关性，需要大约185个额外的观测（n=260）。做少许改动，这个方法便可以用来对许多统计检验创建样本量和功效的曲线图。

最后，让我们来看一下功效分析可能会用到的其他R函数。