Statistical power of likelihood ratio and Wald tests in latent class models with covariates.
Statistical power of likelihood ratio and Wald tests in latent class models with covariates.
复制标题
DOI：
10.3758/s13428-016-0825-y
复制
发表时间：
2017-10
影响因子：
5.4
通讯作者：
Vermunt JK
中科院分区：
文献类型：
--
作者：
Gudicha DW;Schmittmann VD;Vermunt JK
本文讨论了似然比的幂和样本量的计算，以及潜在类模型中协变量效应的显著性的Wald检验。对于这两种检验，都可以使用渐近分布；也就是说，可以假设检验统计量在零假设下遵循中心卡方，在替代假设下遵循非中心卡方。使用这些渐近分布的幂或样本量计算需要指定非中心性参数，而在实践中这一点很少为人所知。我们展示了如何在另一种假设下使用模型中的大量模拟数据集来计算这个非中心性参数。仿真研究评估了所提出的功率分析方法的充分性，确定了影响功率水平的关键研究设计因素，并比较了似然比和Wald检验的性能。所提出的功率分析方法被证明在广泛的条件下表现得非常好。此外，除了效应大小和样本量外，影响功率的一个重要因素是类分离，这意味着当类分离较小时，需要相当大的样本量才能达到合理的功率水平。
This paper discusses power and sample-size computation for likelihood ratio and Wald testing of the significance of covariate effects in latent class models. For both tests, asymptotic distributions can be used; that is, the test statistic can be assumed to follow a central Chi-square under the null hypothesis and a non-central Chi-square under the alternative hypothesis. Power or sample-size computation using these asymptotic distributions requires specification of the non-centrality parameter, which in practice is rarely known. We show how to calculate this non-centrality parameter using a large simulated data set from the model under the alternative hypothesis. A simulation study is conducted evaluating the adequacy of the proposed power analysis methods, determining the key study design factor affecting the power level, and comparing the performance of the likelihood ratio and Wald test. The proposed power analysis methods turn out to perform very well for a broad range of conditions. Moreover, apart from effect size and sample size, an important factor affecting the power is the class separation, implying that when class separation is low, rather large sample sizes are needed to achieve a reasonable power level.
登录
查看更多内容
DOI：
10.1080/10705511.2013.824781
发表时间：
2013-10-01
期刊：
Structural equation modeling : a multidisciplinary journal
影响因子：
--
作者：
Tein JY;Coxe S;Cham H
通讯作者：
Cham H
影响因子：
3
作者：
SATORRA, A;SARIS, WE
通讯作者：
SARIS, WE
影响因子：
3.7
作者：
FORMANN, AK
通讯作者：
FORMANN, AK
影响因子：
1.9
作者：
SELF, SG;MAURITSEN, RH;OHARA, J
通讯作者：
OHARA, J
影响因子：
3.7
作者：
WHITTEMORE, AS
通讯作者：
WHITTEMORE, AS