Розрахунок ICC для логістичної регресії випадкових ефектів

Я запускаю логістичну регресійну модель у вигляді:

lmer(response~1+(1|site), family=binomial, REML = FALSE)

Зазвичай я б обчислював ICC за перехопленнями та залишковими відхиленнями, але резюме моделі не містить залишкової дисперсії. Як я обчислюю це?

logistic lme4-nlme glmm

— Меган
джерело

Чому ви обчислюєте ICC?

— AdamO

Для того щоб перевірити припущення про те, що звичайна логістична регресія не є дійсною для цих даних, як доказ того, що я повинен використовувати GLMM. Я знайшов рівняння: ICClogit = перехоплення дисперсії ^ 2 / (перехоплення дисперсії ^ 2 + pi ^ 2/3). Це здається розумним?

— Меган

Ви використовуєте підхід максимальної ймовірності. Ви не можете зробити тест на коефіцієнт ймовірності з 1 ступенем свободи щодо моделі фіксованих ефектів?

— AdamO

@Megan: Ти маєш рацію. На практиці Zeger et al. (1988) пропонує працює краще, ніж як залишкова дисперсія для логістичних регресійних моделей, хоча ці дві дуже близькі. Дивіться С.Л. Зегер, К.Я. Лянг та П.С. Альберт. Моделі поздовжніх даних: узагальнений підхід до оцінювання рівнянь. Біометрія, 44: 1049-1060 1988.

(15 / 16)^{2} π^{2} / 3

$(15/16)^2\pi^2/3$

π^{2} / 3

$\pi^2/3$

— Рендел

@Megan: Так intercept_variance / (intercept_variance + pi^2/3)- тому не розбивайте дисперсію.

— Вольфганг

Ви можете використовувати icc()-функції з sjstats-пакета .

У файлі довідки ?sjstats::iccви знайдете посилання на формулу для змішаних моделей з бінарною відповіддю:

Wu S, Crespi CM, Wong WK. 2012. Порівняння методів оцінки коефіцієнта кореляції внутрішньокласового рівня для бінарних відповідей у рандомізованих дослідженнях кластера профілактики раку. Клінічні випробування Contempory 33: 869-880 (doi: 10.1016 / j.cct.2012.05.004)

Залишковий відхилення в логістичній регресії фіксується до (pi ^ 2) / 3.

— Даніель
джерело

Чи є у вас посилання на цю формулу?

— Жанін

Ти маєш на увазі мене? Чи не був ваш коментар спочатку під час розміщення в ОП?

— Даніель

@ Jeanine- ICC цитування: Moineddin, R., Matheson, FI, & Glazier, RH (2007). Симуляційне дослідження розміру вибірки для багаторівневих логістичних регресійних моделей. BMC Medical Research Methodology, 7, 34. doi.org/10.1186/1471-2288-7-34

— бурчить