Как использовать порядковую логистическую регрессию со случайными эффектами?

В моем исследовании я буду измерять рабочую нагрузку с помощью нескольких показателей. С вариабельностью сердечного ритма (ВСР), электродермальной активностью (ЭДА) и с субъективной шкалой (СРП). После нормализации IWS имеет три значения:

Рабочая нагрузка ниже нормальной
Рабочая нагрузка средняя
Рабочая нагрузка выше, чем обычно.

Я хочу увидеть, насколько хорошо физиологические измерения могут предсказать субъективную нагрузку.

Поэтому я хочу использовать данные отношения для прогнозирования порядковых значений. Согласно: Как запустить анализ Порядковой Логистической Регрессии в R с обоими числовыми / категориальными значениями? это легко сделать с помощью MASS:polrфункции.

Тем не менее, я также хочу учитывать случайные эффекты, такие как различия между субъектами, пол, курение и т. Д. Глядя на этот учебник , я не вижу, как я могу добавить случайные эффекты MASS:polr. В качестве альтернативы lme4:glmerтогда будет вариант, но эта функция позволяет только предсказывать двоичные данные.

Можно ли добавить случайные эффекты к порядковой логистической регрессии?

— Робин Крамер
источник

Вы не обязаны использовать пропорциональные коэффициенты для такого рода результатов, вы можете использовать модели отношения продолжения и другие. Вы можете исследовать порядковый пакет, доступный в CRAN.

— mdewey

@RobinKramer Пожалуйста, уточните, что вы думаете о случайных эффектах. Когда статистики говорят о случайных эффектах, они обычно хотят учитывать кластеризацию между различными наблюдениями. Например, скажем, вы неоднократно измеряли одних и тех же людей, поэтому каждый наблюдатель - это один человек в определенное время, и у вас было 4 наблюдения на человека. Возможно, вы должны соответствовать модели случайных эффектов; каждый человек имеет индивидуальный случайный эффект (обычно предполагаемый из нормального распределения). Когда вы говорите «пол», «курение» и т. Д., Их можно смоделировать как фиксированные эффекты Итак, что ты имеешь в виду?

— Вейвен Нг

@WeiwenNg вопрос довольно старый, но я привык использовать регрессии LME, в которые я помещал переменные, которые меня не интересовали (но оказывали влияние на DV), как случайные эффекты. Я попытался сделать то же самое с этим проектом.

— Робин Крамер

@RobinKramer Мой плохой, я не смог отметить дату! Тем не менее, я все еще думаю, что здесь есть некоторая путаница. Вы повторили меры на людей? Если это так, то вам, вероятно, следует включить случайный перехват человека. Если вас интересует влияние пола на DV, то вам, вероятно, нужно будет смоделировать его как обычный ковариат. Кто-то скажет, смоделируйте его как фиксированный эффект (потому что вы рассматриваете его эффект на DV как фиксированный). Рассматривать пол как случайный эффект действительно было бы онтологически запутанным.

— Weiwen Ng

Ответы:

В принципе, вы можете заставить механизм любого программного обеспечения логистической смешанной модели выполнять порядковую логистическую регрессию, расширив порядковую переменную отклика в серию двоичных контрастов между последовательными уровнями (например, см. Раздел Добсона и Барнетта « Введение в обобщенные линейные модели», раздел 8.4.6). Тем не менее, это боль, и, к счастью, есть несколько вариантов в R:

порядковый пакет через операторы clmmи clmm2функции ( clmm= С umulative л чернил М ixed M Odel)
mixor пакет , с помощью mixorфункции
пакет MCMCglmm , с помощью family="ordinal"(см ?MCMCglmm)
пакет BRMS , например , с помощью family="cumulative"(см ?brmsfamily)

Последние два варианта реализованы в рамках байесовских MCMC-структур. Насколько я знаю, все указанные функции (за исключением ordinal::clmm2) могут обрабатывать несколько случайных эффектов (перехваты, наклоны и т. Д.); большинство из них (возможно, нет MCMCglmm?) могут обрабатывать выбор функции ссылки (логит, пробит и т. д.).

( Если у меня будет время, я вернусь и пересмотрю этот ответ с отработанным примером настройки порядковых моделей с нуляlme4 )

— Бен Болкер
источник

Спасибо за ваш ответ. На самом деле, я видел кого-то, кто действительно использовал серию бинарных контрастов, но с «общим уравнением оценки». Как это связано с методами, которые вы упомянули? Кроме того, при проведении нескольких сравнений не нужно ли исправлять проблему множественного сравнения?

— Робин Крамер

Другой способ оценить модель смешанных эффектов с порядковым откликом в R - это mixorфункция пакета mixor . Эта функция допускает случайные уклоны и перехваты и предоставляет некоторый выбор по функции связи (вы не ограничены упорядоченной логистической регрессией, но также можете использовать функции ссылок probit, log-log и дополнительные log-log).

— user206892

Хотите вернуться и добавить проработанный пример?

— Восстановите Монику

это, вероятно, сложнее, чем я хочу ...

— Бен Болкер,

Да, можно включить случайные эффекты в модель порядковой регрессии. Концептуально это то же самое, что включение случайных эффектов в линейную смешанную модель. Хотя сайт UCLA только демонстрирует polr()функцию в MASSпакете, существует целый ряд объектов для установки порядковых моделей в R. Существует более широкий (но менее подробный) обзор здесь . Единственный способ, которым я знаю, чтобы включить случайные эффекты в R, использует порядковый пакет. Я работаю на примере здесь: есть ли двусторонний тест Фридмана?

— Gung - Восстановить Монику
источник