วิธีการใช้การถดถอยโลจิสติกอันดับที่มีผลแบบสุ่ม?


17

ในการศึกษาของฉันฉันจะวัดปริมาณงานด้วยหลายเมตริก ด้วยความแปรปรวนของอัตราการเต้นของหัวใจ (HRV), กิจกรรมอิเล็กโทรเดอร์มัล (EDA) และสเกลอัตนัย (IWS) หลังจากการทำให้เป็นมาตรฐาน IWS มีสามค่า:

  1. ปริมาณงานต่ำกว่าปกติ
  2. ปริมาณงานโดยเฉลี่ย
  3. ปริมาณงานสูงกว่าปกติ

ฉันต้องการดูว่ามาตรการทางสรีรวิทยาสามารถทำนายปริมาณงานที่กระทำได้หรือไม่

ดังนั้นฉันต้องการใช้ข้อมูลอัตราส่วนเพื่อทำนายค่าลำดับ ตาม: ฉันจะรันการวิเคราะห์การถดถอยโลจิสติกแบบ Ordinal ใน R ด้วยค่าตัวเลข / หมวดหมู่ได้อย่างไร สิ่งนี้ทำได้ง่ายโดยใช้MASS:polrฟังก์ชั่น

อย่างไรก็ตามฉันต้องการบัญชีสำหรับเอฟเฟ็กต์แบบสุ่มเช่นความแตกต่างระหว่างเรื่องเพศการสูบบุหรี่ ฯลฯ เมื่อดูที่บทช่วยสอนนี้ฉันไม่เห็นว่าฉันจะเพิ่มเอฟเฟกต์แบบสุ่มMASS:polrได้อย่างไร อีกทางเลือกหนึ่งlme4:glmerจะเป็นตัวเลือก แต่ฟังก์ชั่นนี้จะช่วยให้การคาดการณ์ของข้อมูลไบนารี

เป็นไปได้หรือไม่ที่จะเพิ่มเอฟเฟกต์แบบสุ่มลงในการถดถอยโลจิสติกอันดับ


คุณไม่จำเป็นต้องใช้อัตราต่อรองสำหรับผลลัพธ์ประเภทนี้คุณสามารถใช้โมเดลอัตราส่วนต่อเนื่องและอื่น ๆ ได้ คุณสามารถตรวจสอบแพ็คเกจลำดับจาก CRAN ได้
mdewey

1
@RobinKramer โปรดอธิบายสิ่งที่คุณคิดว่าคุณหมายถึงโดยผลกระทบแบบสุ่ม เมื่อนักสถิติบอกว่ามีการสุ่มเอฟเฟกต์พวกเขามักต้องการพิจารณาการจัดกลุ่มในการสังเกตที่แตกต่างกัน ตัวอย่างเช่นสมมติว่าคุณใช้มาตรการซ้ำกับบุคคลเดียวกันดังนั้นแต่ละ obs คือหนึ่งคนในช่วงเวลาหนึ่งและคุณมีการสังเกต 4 ครั้งต่อคน คุณควรจะพอดีกับโมเดลเอฟเฟกต์แบบสุ่ม แต่ละคนมีเอฟเฟ็กต์เฉพาะบุคคล (โดยปกติแล้วสันนิษฐานว่ามาจากการแจกแจงแบบปกติ) เมื่อคุณพูดเรื่องเพศการสูบบุหรี่ ฯลฯ สิ่งเหล่านี้มักจะถูกจำลองเป็นเอฟเฟกต์คงที่ ดังนั้นคุณหมายถึงอะไร
Weiwen Ng

@WeiwenNg คำถามค่อนข้างเก่า แต่ฉันเคยใช้การถดถอยของ LME ซึ่งฉันวางตัวแปรซึ่งฉันไม่สนใจ (แต่มีผลต่อ DV) เป็นเอฟเฟกต์แบบสุ่ม ฉันพยายามทำเช่นเดียวกันกับโครงการนี้
Robin Kramer

@RobinKramer ไม่ดีฉันไม่ทราบวันที่เลย! ที่กล่าวว่าฉันยังคงคิดว่ามีความสับสนอยู่ที่นี่ คุณมีมาตรการซ้ำ ๆ สำหรับแต่ละคนหรือไม่? ถ้าเป็นเช่นนั้นคุณควรรวมการสกัดกั้นแบบสุ่มด้วยตนเอง หากคุณสนใจเอฟเฟ็กต์ของเพศใน DV คุณอาจจะต้องจำลองมันเป็น covariate ปกติเท่านั้น บางคนบอกว่าแบบจำลองนั้นเป็นเอฟเฟกต์คงที่ (เพราะคุณกำลังรักษาเอฟเฟ็กต์ใน DV แบบคงที่) การรักษาเพศเป็นผลแบบสุ่มจะทำให้เกิดความสับสนมากขึ้น ontologically
Weiwen Ng

คำตอบ:


24

ในหลักการคุณสามารถสร้างเครื่องจักรของซอฟต์แวร์ผสมแบบโลจิสติกใด ๆ ดำเนินการถดถอยแบบลอจิสติกโดยการขยายตัวแปรการตอบสนองตามลำดับให้เป็นชุดของความแตกต่างแบบไบนารีระหว่างระดับต่อเนื่อง (เช่นดู Dobson และ Barnett เบื้องต้นเกี่ยวกับการเชิงเส้นทั่วไปรุ่นส่วน 8.4.6) อย่างไรก็ตามนี่เป็นความเจ็บปวดและโชคดีที่มีตัวเลือกใน R:

ตัวเลือกสองตัวหลังถูกนำไปใช้ภายในกรอบ MCMC แบบเบย์ เท่าที่ฉันรู้ฟังก์ชั่นทั้งหมดที่ยกมา (มีข้อยกเว้นordinal::clmm2) สามารถจัดการกับเอฟเฟกต์แบบสุ่มได้หลายอย่าง (ดัก, ลาด, ฯลฯ ); ส่วนใหญ่ของพวกเขา (อาจจะไม่MCMCglmm?) สามารถจัดการตัวเลือกของฟังก์ชั่นการเชื่อมโยง (logit, probit ฯลฯ )

( ถ้าฉันมีเวลาฉันจะกลับมาและแก้ไขคำตอบนี้ด้วยตัวอย่างการทำงานของการตั้งค่าแบบจำลองลำดับตั้งแต่เริ่มต้นโดยใช้lme4 )


ขอบคุณสำหรับคำตอบ. ตามความเป็นจริงฉันเคยเห็นใครบางคนที่ใช้ชุดของความเปรียบต่างไบนารีจริง ๆ แต่มี "สมการการประมาณทั่วไป" สิ่งนั้นเกี่ยวข้องกับวิธีการที่คุณกล่าวถึงอย่างไร ยิ่งกว่านั้นเมื่อทำการเปรียบเทียบหลายรายการคุณไม่จำเป็นต้องแก้ไขปัญหาการเปรียบเทียบหลายรายการใช่ไหม
Robin Kramer

1
วิธีการประเมินผลกระทบต่อรูปแบบการผสมกับการตอบสนองลำดับใน R ก็คือผ่านmixorการทำงานของแพคเกจ mixor ฟังก์ชั่นนี้อนุญาตให้มีการสุ่มลาดและการสกัดกั้นและให้ทางเลือกบางอย่างผ่านฟังก์ชั่นลิงค์ (คุณไม่ จำกัด เฉพาะการถดถอยแบบโลจิสติกส์ที่สั่งซื้อ แต่ยังสามารถใช้ฟังก์ชัน probit, log-log
user206892

ต้องการกลับมาและเพิ่มตัวอย่างการทำงานหรือไม่
Reinstate Monica

มันอาจจะยากกว่าที่ฉันต้องการให้มันเป็น ...
โบลเคอร์

4

ใช่มันเป็นไปได้ที่จะรวมถึงผลกระทบแบบสุ่มในรูปแบบการถดถอยอันดับ แนวคิดนี้เหมือนกับการรวมเอฟเฟกต์แบบสุ่มในแบบผสมเชิงเส้น แม้ว่าเว็บไซต์ยูซีแอลเท่านั้นที่แสดงให้เห็นถึงpolr()ฟังก์ชั่นในMASSแพคเกจมีจำนวนของสิ่งอำนวยความสะดวกสำหรับการกระชับรุ่นลำดับในอาร์มีที่กว้างขึ้น ( แต่รายละเอียดน้อยกว่า) ภาพรวมที่นี่ วิธีเดียวที่ฉันรู้ว่ารวมเอฟเฟกต์แบบสุ่มใน R ใช้แพ็คเกจลำดับ ฉันทำงานผ่านตัวอย่างที่นี่: มีการทดสอบของ Friedman แบบสองทางหรือไม่

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.