Jak stosować porządkową regresję logistyczną z efektami losowymi?

W moim badaniu będę mierzyć obciążenie pracą za pomocą kilku wskaźników. Ze zmiennością tętna (HRV), aktywnością elektrodową (EDA) i ze skalą subiektywną (IWS). Po normalizacji IWS ma trzy wartości:

Obciążenie pracą niższe niż normalnie
Obciążenie pracą jest średnie
Nakład pracy jest większy niż zwykle.

Chcę zobaczyć, jak dobrze środki fizjologiczne mogą przewidzieć subiektywne obciążenie pracą.

Dlatego chcę użyć danych współczynnika do przewidywania wartości porządkowych. Zgodnie z: Jak uruchomić analizę regresji logistycznej porządkowej w R z wartościami liczbowymi / kategorialnymi? można to łatwo zrobić za pomocą MASS:polrfunkcji.

Chciałbym jednak wziąć pod uwagę efekty losowe, takie jak różnice między podmiotami, płeć, palenie itp. Patrząc na ten samouczek , nie widzę, jak mogę dodać efekty losowe MASS:polr. Alternatywnie lme4:glmerbyłaby wtedy opcja, ale ta funkcja pozwala tylko przewidywać dane binarne.

Czy można dodać losowe efekty do porządkowej regresji logistycznej?

— Robin Kramer
źródło

Nie musisz stosować proporcjonalnych kursów dla tego rodzaju wyników, możesz użyć modeli współczynników kontynuacji i innych. Możesz sprawdzić pakiet porządkowy dostępny w CRAN.

— mdewey,

@RobinKramer Wyjaśnij, co według ciebie rozumiesz przez efekty losowe. Kiedy statystycy mówią o efektach losowych, zwykle chcą uwzględnić grupowanie różnych obserwacji. Załóżmy na przykład, że powtórzyłeś pomiary u tych samych osób, więc każda obsada to jedna osoba w danym czasie i masz 4 obserwacje na osobę. Prawdopodobnie powinieneś dopasować model efektów losowych; każda osoba ma efekt losowy specyficzny dla danej osoby (zwykle przyjmuje się, że pochodzi z normalnego rozkładu). Kiedy mówisz o płci, paleniu itp., Zwykle można to wymodelować jako efekty stałe. Co masz na myśli?

— Weiwen Ng

@ WeeWenNg pytanie jest dość stare, ale byłem przyzwyczajony do użycia regresji LME, w której umieściłem zmienne, którymi nie byłem zainteresowany (ale miałem wpływ na DV), jako efekty losowe. Próbowałem zrobić to samo z tym projektem.

— Robin Kramer,

@RobinKramer Mój zły, nie zanotowałem daty! To powiedziawszy, nadal uważam, że jest tu trochę zamieszania. Czy powtarzałeś środki wobec osób? Jeśli tak, prawdopodobnie powinieneś uwzględnić losowe przechwycenie przez osobę. Jeśli interesuje Cię wpływ płci na DV, prawdopodobnie prawdopodobnie wystarczyłbyś tylko modelować ją jako normalną zmienną towarzyszącą. Niektórzy twierdzą, że zamodeluj go jako efekt stały (ponieważ traktujesz jego wpływ na DV jako ustalony). Traktowanie płci jako efektu losowego byłoby naprawdę mylące ontologicznie.

— Weiwen Ng

Odpowiedzi:

Zasadniczo można zmusić maszynerię dowolnego oprogramowania z logistycznym modelem mieszanym do wykonania regresji logistyki porządkowej poprzez rozszerzenie zmiennej odpowiedzi porządkowej do szeregu kontrastów binarnych między kolejnymi poziomami (np. Patrz Dobson i Barnett Wprowadzenie do ogólnych modeli liniowych sekcja 8.4.6). Jest to jednak ból i na szczęście w R jest kilka opcji:

pakiet porządkowej pośrednictwem clmmiclmm2 funkcje ( clmm= C umulative L tuszu M ixed M Odel)
pakiet mixor pośrednictwem mixorfunkcji
pakiet MCMCglmm poprzez family="ordinal"(SEE ?MCMCglmm)
pakiet BRMS , na przykład za pomocą family="cumulative"(patrz ?brmsfamily)

Dwie ostatnie opcje są zaimplementowane w ramach Bayesian MCMC. O ile mi wiadomo, wszystkie cytowane funkcje (z wyjątkiem ordinal::clmm2) mogą obsługiwać wiele efektów losowych (przechwyty, zbocza itp.); większość z nich (może nie MCMCglmm?) może obsłużyć wybór funkcji łącza (logit, probit itp.).

( Jeśli będę miał czas, wrócę i poprawię tę odpowiedź za pomocą sprawdzonego przykładu ustawiania modeli porządkowych od zeralme4 )

— Ben Bolker
źródło

Dziękuję za Twoją odpowiedź. W rzeczywistości widziałem, jak ktoś używa szeregu kontrastów binarnych, ale z „ogólnym równaniem szacunkowym”. Jak to się ma do wspomnianych metod? Co więcej, czy podczas dokonywania kilku porównań nie musisz poprawiać problemu wielokrotnego porównywania?

— Robin Kramer

Innym sposobem oszacowania modelu efektów mieszanych z odpowiedzią porządkową w R jest mixorfunkcja pakietu miksera . Ta funkcja pozwala na losowe zbocza i przechwyty oraz daje pewien wybór w stosunku do funkcji łącza (nie jesteś ograniczony do uporządkowanej regresji logistycznej, ale możesz również użyć funkcji probit, log-log i uzupełniających funkcji log-log).

— user206892

Chcesz wrócić i dodać sprawdzony przykład?

— Przywróć Monikę

to chyba trudniejsze niż chcę ...

— Ben Bolker,

Tak, możliwe jest uwzględnienie efektów losowych w modelu regresji porządkowej. Koncepcyjnie jest to to samo, co uwzględnianie efektów losowych w liniowym modelu mieszanym. Chociaż strona UCLA pokazuje tylko polr()funkcji w MASSpakiecie, istnieje szereg obiektów do montażu modeli porządkowe w R. Jest szersza (ale mniej szczegółowy) opis tutaj . Jednak jedynym sposobem, w jaki znam włączenie losowych efektów w R, jest użycie pakietu porządkowego. Pracuję tutaj nad przykładem: czy istnieje dwukierunkowy test Friedmana?

— gung - Przywróć Monikę
źródło