Як я можу оцінити відповідність GEE / логістичної моделі, коли коваріати мають деякі відсутні дані?


9

До моїх даних я встановив дві узагальнені моделі оцінювання рівняння (GEE):

1) Модель 1: Результат є поздовжньою змінною Так / Ні (A) (рік 1,2,3,4,5) з поздовжнім безперервним прогноктором (B) на роки 1,2,3,4,5.

2) Модель 2: Результат такий самий поздовжньої змінної Так / Ні (A), але тепер, коли мій прогноктор зафіксовано значення на рік 1, тобто змушений бути інваріантним за часом (B).

Через відсутність вимірювань у моєму поздовжньому прогнокторі за декілька часових моментів для різних випадків кількість точок даних у моделі 2 більша, ніж у моделі 1.

Я хотів би знати про те, які порівняння я можу справедливо зробити між коефіцієнтами шансів, p-значеннями та відповідності двох моделей, наприклад:

  • Якщо АБО для прогноктора B більше в моделі 1, чи можу я справедливо сказати, що асоціація між A і B сильніша в моделі1?

  • Як я можу оцінити, яка краща модель для моїх даних. Чи правильно я вважаю, що квадрати псевдо R R QIC / AIC не можна порівнювати в моделях, якщо кількість спостережень не однакова?

Будь-яка допомога буде дуже вдячна.


Оскільки модель 2 насправді не вважається "вкладеною" в Model 1, я не знаю, наскільки справедливим буде використання QIC для оцінки порівняльної придатності. Я вважав, що я повинен використовувати декілька методів імпутації, щоб вирівняти кількість спостережень, і тоді можна було б порівнювати значення QIC для цих моделей. Однак деяка література, наприклад, "Прикладний поздовжній аналіз даних для епідеміології" від Twisk, показала дійсно непослідовні результати, використовуючи методи ІМ на моделях, що мають дихотомічні змінні реакції. Я б хотів, щоб я міг допомогти більше.
Іріс Цуї

1
Чому значення відсутні? Чи систематизована їх відсутність таким чином, що принципи відмінності від відсутніх цінностей від відсутніх значень?
Макрос

Відповіді:


1

Я б неодмінно спробував багаторазову імпутацію (наприклад, з мишами або Амелією в R), можливо, за допомогою декількох альтернативних методів для імпульсування відсутніх значень.

У гіршому випадку можна вважати аналіз чутливості.

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.