R或Python，在样本大小比率固定的情况下，是否可以在比例功率测试计算中获得必要的样本大小？

给定两个比例，

p1和p2

我想计算p1的必要样本，如果：

1) alpha = .05
2) power = 0.9
3) n1/n2 = r

Python统计模型程序给出了类似的结果，但我认为这是错误的，因为它得到的答案与STATA sampsi程序截然不同

stata代码为：

sampsi .01 .1, alpha(0.05) ratio(2)

给

Estimated sample size for two-sample comparison o

f比例

测试Ho:p1=p2，其中p1是p中的比例

人口1 p2是p中的比例 人口2 假设：

估计所需样本量：

        n1 =      119
        n2 =      238

python代码是：

import statsmodels.stats.api as sms
es = sms.proportion_effectsize(0.01, 0.1)
sms.NormalIndPower().solve_power(es, power=0.9, alpha=0.05, ratio=2)

其中：

80.25164112946563

---

正如@rawr在上面的评论中所说，

bsamize

有效（您需要将

frac

参数设置为组1中样本的分数）

---

这些数字与斯塔塔给出的数字不一样，但很接近<代码>？bsamsize提供了所用算法的详细信息。

您还可以检查比例比较的经验法则样本大小（尽管它适用于相等的组），公式如下：

N = 16 * p * (1-p) / (d**2)

其中概率

p=0.1

和

差异

d=p1-p2=0.1-0.01=0.09

N的值为每一组178（总共356），这与Stata给出的总大小（357）几乎相同

---

上面公式的一个参考是：

您能分享一下您尝试过的Python代码吗？也许有人能找出他们不同的原因。

Hmisc:：bsamize

googlebetter@Rawr，该软件包似乎不符合我请求的第（3）部分。我也一直在想一个非常类似的问题。@robbieboy74确实如此。阅读帮助文件基本上会泄露它。

library("Hmisc")
bsamsize(.01, .1, power=.9, frac=1/3)
      n1       n2 
102.8526 205.7051 

N = 16 * p * (1-p) / (d**2)