BayesPPD：一个使用幂先验与归一化幂先验为广义线性模型进行贝叶斯样本量确定的 R 包

R 包 BayesPPD（Bayesian Power Prior Design）支持在通过幂先验与归一化幂先验将历史数据纳入广义线性模型（GLM）后，进行贝叶斯功效与一类错误率计算以及模型拟合。该包可处理汇总水平数据或带协变量信息的个体水平数据。它支持使用多个历史数据集，也支持无历史数据的设计。支持的响应分布包括正态、二值（Bernoulli/二项）、Poisson 与指数分布。对于这些分布中的每一种，幂参数 $a_0$ 均可固定或使用归一化幂先验建模为随机量。此外，该包支持使用任意抽样先验来计算贝叶斯功效与一类错误率，并具有针对 GLM 的特定功能，可从历史数据半自动生成抽样先验。由于 GLM 的样本量确定（SSD）计算密集，已实现一种基于渐近理论的近似方法以支持使用幂先验的应用。除了描述包中为实现 SSD 所采用的统计方法与函数外，我们还通过两个综合案例研究演示了 BayesPPD 的使用。