Дворічні дані, що описують наявність асоціації з тестуванням насильства з кількістю пацієнтів, які перебувають на палаті

У мене є дані за два роки, які в основному виглядають так:

Дата _ __ Насильство Y / N? _ Кількість пацієнтів

01.01.2008 _ ___ 0 __ _ __ _ ____ 11

1/1/2008 _ __ _ 0 _ __ _ __ _ __ 11

3/1/2008 _ ____ 1 __ _ __ _ ____ 12

4/1/2008 _ ____ 0 __ _ __ _ ____ 12

...

31/12 / 2009_ _ __ 0_ _ __ _ __ _ __ 14

тобто два роки спостережень психіатричного відділення, що свідчать про те, чи був інцидент насильства в цей день (1 так, 0 ні), а також кількість пацієнтів у відділенні. Гіпотеза, яку ми хочемо перевірити, полягає в тому, що більша кількість пацієнтів, які перебувають на палаті, пов'язані зі збільшеною ймовірністю насильства в палаті.

Звичайно, ми розуміємо, що нам доведеться пристосуватися до того, що коли на палаті більше пацієнтів, насильство є більш імовірним, оскільки їх є лише більше - нас цікавить, чи збільшується ймовірність насильства кожного, коли на палаті більше пацієнтів.

Я бачив декілька робіт, які просто використовують логістичну регресію, але я думаю, що це неправильно, оскільки існує авторегресивна структура (хоча, дивлячись на функцію автокореляції, вона не виходить вище .1 в будь-якому відставанні, хоча це вище «Значна» синя штрихова лінія, яку R намалює для мене).

Просто для того, щоб все було складніше, я можу, якщо хочу розбити результати на окремих пацієнтів, тому дані виглядатимуть так само, як це було вище, за винятком того, що я мав би дані для кожного пацієнта, 1/1/2008, 2 / 1/2008 тощо та ідентифікаційний код, що знижується, щоб дані показали всю історію інцидентів для кожного пацієнта окремо (хоча не всі пацієнти присутні на всі дні, не впевнені, що це має значення).

Я хотів би використовувати lme4 в R для моделювання авторегресивної структури у кожного пацієнта, але деякі Googling придумують цитату «lme4 не створений для боротьби з авторегресивними структурами». Навіть якби це було, я не впевнений, що все-таки розумію, як написати код.

На всякий випадок, коли хтось помітить, я поставив таке запитання, як це було раніше, це різні набори даних з різними проблемами, хоча насправді вирішити цю проблему допоможе в цьому (хтось запропонував я використовувати змішані методи раніше, але ця проблема авторегресії зробила мене не знаю, як це зробити).

Тож я трохи застряг і втратив чесно. Будь-яка допомога вдячно отримана!

Ось ідея, яка з'єднує вашу бінарну залежну змінну до безперервної, непоміченої змінної; з'єднання, яке може дозволити вам використовувати сили моделей часових рядів для безперервних змінних.

Визначте:

$V_{w,t} = 1$ якщо в палаті протягом періоду і 0 в іншому випадку сталося насильницьке інцидент$w$$t$

$P_{w,t}$ : Схильність до насильства в палаті на час .$w$$t$

$P_{w,t}$ вважається суцільною змінною, яка в певному сенсі представляє почуття "задушеного" ув'язнених, які закипають в якийсь час і призводять до насильства. Виходячи з цього міркування, ми маємо:

$V_{w,t} = \begin{cases} 1 & \mbox{if } P_{w,t} \ge \tau \\ 0 & \mbox{otherwise} \end{cases}$

де,

$\tau$ - це непомітний поріг, який викликає насильницьку дію.

Потім можна використовувати модель часового ряду для і оцінити відповідні параметри. Наприклад, ви можете моделювати як:$P_{w,t}$$P_{w,t}$

$P_{w,t} = \alpha_0 + \alpha_1 P_{w,t-1} + ... + \alpha_p P_{w,t-p}+ \beta n_{w,t} + \epsilon_t$

де,

$n_{w,t}$ - кількість пацієнтів, які перебувають у палаті за час .$w$$t$

Ви можете побачити, чи значно відрізняється від 0, щоб перевірити свою гіпотезу про те, що "більше пацієнтів призводить до збільшення ймовірності насильства".$\beta$

Завдання вищевказаної специфікації моделі полягає в тому, що ви дійсно не дотримуєтесь і, отже, вищезгадане не є вашою звичайною моделлю часових рядів. Я нічого не знаю про R, тому, можливо, хтось ще заграє, якщо є пакет, який дозволить вам оцінити такі моделі, як вище.$P_{w,t}$