powerSim功率随样本大小而减小

我代表一位同事发帖，我正在帮助他们解决一个问题。他们正试图使用SimR的powerSim。他们将使用一个混合模型，并模拟了一个数据集，用于他们计划使用的模型。在他们的研究中，他们将对每个参与者进行4次观察，因此他们希望将参与者作为随机效应纳入研究。 我们首先模拟了250名受访者，对因变量进行了1000次观察。这种尝试导致低功率（约10%），因此我们模拟了一个有1000名受访者和4000个因变量观察值的模型，功率降至0%。我们在增加模拟数量时遇到了同样的问题：随着模拟数量的增加，功率下降。这对我们来说是非常混乱的，因为我们希望这两个都增加而不是减少功率。 我的第一个想法是，我误解了powerSim的结果，并且给出的%更接近1次方，或者说1次方，这是我所期望的。但该功能的文档以及其他在线帖子和文章表明情况并非如此。 以下是我们一直使用的代码：

library(simr)
library(lme4)

#we first tried it with this data:  
z <- sample(c(0,1),1000,replace=T) #dv sim
x <- sample(c(0,1),1000,replace=T) #one iv sims 
g <- rep(1:250,4) # respondent id: each respondent is in the data 4 times 

rsim <- cbind(z,x,g)
rsim <- as.data.frame(rsim)

totaleffsim <-glmer(z ~ x + (1|g),
                    data = rsim,
                    family = "binomial")
powerSim(totaleffsim, nsim=100)


#we then increased the same size, and got less power
z <- sample(c(0,1),4000,replace=T)
x <- sample(c(0,1),4000,replace=T)
g <- rep(1:1000,4)

rsim <- cbind(z,x,g)
rsim <- as.data.frame(rsim)

totaleffsim <-glmer(z ~ x + (1|g),
                    data = rsim,
                    family = "binomial")
powerSim(totaleffsim, nsim=100)

库（simr）
图书馆（lme4）
#我们首先尝试了以下数据：
看起来你的数据是完全随机的，你得到的初始能量很可能只是噪音。是如何对混合模型进行功率分析的一个很好的示例