Як використовувати порядкову логістичну регресію з випадковими ефектами?

У своєму дослідженні я буду вимірювати навантаження на роботу за допомогою декількох показників. З мінливістю частоти серцевих скорочень (ВСР), електродермальною активністю (ЕДА) та з суб'єктивною шкалою (ІРС). Після нормалізації IWS має три значення:

Навантаженість нижче норми
Навантаженість середня
Навантаженість вище норми.

Хочу побачити, наскільки добре фізіологічні заходи можуть передбачити суб'єктивне навантаження.

Тому я хочу використовувати дані співвідношення для прогнозування порядкових значень. Відповідно до: Як запустити звичайний логістичний регресійний аналіз в R з обома числовими / категоричними значеннями? це легко зробити за допомогоюMASS:polr функції.

Однак я також хочу врахувати випадкові ефекти, такі як різниці між предметами, стать, куріння тощо. Переглядаючи цей підручник , я не бачу, як додати до нього випадкові ефекти MASS:polr. Крім того, lme4:glmerце було б варіантом, але ця функція дозволяє лише передбачати бінарні дані.

Чи можна додати випадкові ефекти до порядкової логістичної регресії?

— Робін Крамер
джерело

Ви не зобов'язані використовувати пропорційні коефіцієнти для подібного результату, ви можете використовувати коефіцієнти продовження та інші. Ви можете дослідити порядковий пакет, доступний у CRAN.

— mdewey

@RobinKramer Будь ласка, поясніть, що ви думаєте, що маєте на увазі під випадковими ефектами. Коли статистики кажуть випадкові ефекти, вони, як правило, хочуть враховувати групування між різними спостереженнями. Наприклад, скажіть, що у вас були неодноразові заходи щодо одних і тих самих осіб, тому кожна особа - це одна людина за певний час, і у вас було 4 спостереження на людину. Вам, напевно, слід відповідати моделі випадкових ефектів; кожна людина має специфічний для людини випадковий ефект (як правило, вважається, що це від звичайного розподілу). Коли ви говорите про стать, паління тощо, вони, як правило, можуть моделюватися як фіксовані ефекти. Отже, що ти маєш на увазі?

— Weiwen Ng

@WeiwenNg питання досить давнє, але я звик використовувати регресії LME, в яких я розміщував змінні, в яких я не був зацікавлений (але мав вплив на DV), як випадкові ефекти. Я намагався зробити те саме з цим проектом.

— Робін Крамер

@RobinKramer Моє погано, я не зазначив дату! Однак, я все ще думаю, що тут є деяка плутанина. Чи повторюються заходи щодо осіб? Якщо так, то, ймовірно, слід включити випадковий перехоплення людиною. Якщо вас цікавить вплив статі на DV, то, ймовірно, вам буде потрібно лише його моделювати як звичайний коваріат. Дехто сказав, що моделює це як фіксований ефект (тому що ви трактуєте його вплив на DV як фіксований). Трактувати стать як випадковий ефект справді буде онтологічно заплутаним.

— Weiwen Ng

Відповіді:

В принципі, ви можете змусити машини будь-якого програмного забезпечення змішаної моделі виконувати порядкову логістичну регресію шляхом розширення змінної порядкової відповіді на ряд двійкових контрастів між послідовними рівнями (наприклад, див. Введення Добсона та Барнетта в узагальнені лінійні моделі, розділ 8.4.6). Однак це біль, і на щастя, в R є кілька варіантів:

порядковий пакет через оператори clmmі clmm2функції ( clmm= С umulative л чорнила М ixed M Odel)
mixor пакет , з допомогою mixorфункції
пакет MCMCglmm , з допомогою family="ordinal"(див ?MCMCglmm)
пакет BRMS , наприклад , з допомогою family="cumulative"(див ?brmsfamily)

Останні два варіанти реалізовані в рамках Bayesian MCMC. Наскільки мені відомо, усі цитовані функції (за винятком ordinal::clmm2) можуть обробляти безліч випадкових ефектів (перехоплення, нахили тощо); більшість з них (можливо, ні MCMCglmm?) можуть обробляти вибір функції зв'язку (logit, probit тощо).

( Якщо я встигну, я повернусь і перегляну цю відповідь на відпрацьованому прикладі встановлення порядкових моделей з нуля за допомогоюlme4 )

— Бен Болкер
джерело

Спасибі за вашу відповідь. Власне кажучи, я бачив, як хтось справді використовує низку бінарних контрастів, але з "загальним оціночним рівнянням". Як це стосується згаданих вами методів? Більше того, коли ви робите кілька порівнянь, чи не потрібно виправляти проблему з численним порівнянням?

— Робін Крамер

Інший спосіб оцінити модель змішаних ефектів з порядковою реакцією в R - це через mixorфункцію пакету змішувачів . Ця функція дозволяє виконувати випадкові нахили та перехоплення та надає певний вибір функції зв'язку (ви не обмежені упорядкованою логістичною регресією, але також можете використовувати функції probit, log-log та допоміжні функції зв'язку-log-log).

— користувач206892

Хочете повернутися та додати відпрацьований приклад?

— Моніку

це, мабуть, важче, ніж я хочу, щоб це було ...

— Бен Болкер,

Так, в модель порядкової регресії можна включити випадкові ефекти. Концептуально це те саме, що включати випадкові ефекти в лінійну змішану модель. Хоча сайт UCLA тільки демонструє polr()функцію в MASSпакеті, існує цілий ряд об'єктів для установки порядкових моделей в R. Існує більш широкий (але менш докладний) огляд тут . Єдиний спосіб, який мені відомо про включення випадкових ефектів у R, використовує порядковий пакет. Я працюю на прикладі тут: чи є двосторонній тест Фрідмана?

— gung - Відновити Моніку
джерело