R 基于CLMM2的灵敏度功率分析

我试图用clmm2对R进行灵敏度功率分析

我正在构建本文（）中的代码，但是在将期望的beta估计值输入到模型中时遇到了问题

下面是以整洁的格式运行电源分析的两个函数

# Tidy function
tidy_output_clmm = function(fit){
  results = as.data.frame(coefficients(summary(fit)))
  colnames(results) = c("estimate","std.error","statistic","p.value")
  results %>% tibble::rownames_to_column("term")
}

# Simulate function
sim_experiment_power <- function(rep) {
  idx = sample(nrow(wine),replace=TRUE)
  model <- clmm2(rating ~ temp, random=judge, data=wine[idx,], nAGQ=10,Hess=TRUE)
  tidy_output_clmm(model) %>% mutate(rep=rep)
}

# Run simulation
my_power <- map_df(1:100, sim_experiment_power)

# Examine proportion of significant models
my_power %>% group_by(term) %>% summarise(power = mean(p.value < 0.05))

#整洁功能
tidy_输出_clmm=功能（配合）{
结果=as.data.frame（系数（汇总（拟合）））
colnames（results）=c（“估计”、“标准误差”、“统计”、“p值”）
结果%>%TIBLE:：行名称到列（“术语”）
}
#模拟功能
模拟实验功率百分比总结（功率=平均值（p值<0.05））

然而，我想在模拟功率之前将beta估计值输入到我的模型中，这样我就可以了解数据对检测这种影响的敏感性

# Add something like this to the above sim_experiment_power function
model$beta["temp"] <- 0.05

#在上面的模拟实验电源功能中添加类似的内容
型号$beta[“临时”]