ข้อมูลสองปีที่อธิบายการเกิดขึ้นของสมาคมการทดสอบความรุนแรงกับจำนวนผู้ป่วยในวอร์ด

ฉันมีข้อมูลสองปีซึ่งมีลักษณะโดยทั่วไปดังนี้

วันที่ _ __ ความรุนแรง Y / N? _ จำนวนผู้ป่วย

1/1/2551 _ ___ 0 __ _ __ _ ____ 11

2/1/2551 _ __ _ 0 _ __ _ __ _ __ 11

3/1/2551 _ ____ 1 __ _ __ _ ____ 12

4/1/2551 _ ____ 0 __ _ __ _ ____ 12

...

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

เช่นการสังเกตสองปีหนึ่งวันต่อวันของหอผู้ป่วยจิตเวชซึ่งระบุว่ามีเหตุการณ์ความรุนแรงในวันนั้น (1 คือใช่ไม่ใช่ 0 ไม่) เช่นเดียวกับจำนวนผู้ป่วยในหอผู้ป่วย สมมติฐานที่เราต้องการทดสอบคือผู้ป่วยในวอร์ดมีความสัมพันธ์กับความน่าจะเป็นที่เพิ่มขึ้นของความรุนแรงในวอร์ด

แน่นอนว่าเราตระหนักดีว่าเราจะต้องปรับตัวให้เข้ากับความจริงที่ว่าเมื่อมีผู้ป่วยจำนวนมากขึ้นในวอร์ดความรุนแรงนั้นมีโอกาสมากขึ้นเพราะมีพวกเขามากขึ้น - เรามีความสนใจในความน่าจะเป็นของความรุนแรง มีผู้ป่วยจำนวนมากในวอร์ด

ฉันเห็นเอกสารหลายฉบับที่เพิ่งใช้การถดถอยโลจิสติก แต่ฉันคิดว่ามันผิดเพราะมีโครงสร้าง autoregressive (แม้ว่าการดูที่ฟังก์ชัน autocorrelation มันไม่ได้รับเหนือ. 1 ที่ความล่าช้าใด ๆ แม้ว่าจะอยู่เหนือ เส้นประสีฟ้า“ สำคัญ” ที่ R ดึงมาให้ฉัน)

เพียงเพื่อทำให้สิ่งต่าง ๆ มีความซับซ้อนยิ่งขึ้นฉันสามารถทำได้หากฉันต้องการแบ่งผลลัพธ์ออกเป็นผู้ป่วยแต่ละรายดังนั้นข้อมูลจะมีลักษณะเหมือนที่ทำข้างต้นยกเว้นว่าฉันจะมีข้อมูลสำหรับผู้ป่วยแต่ละราย 1/1/2551, 2 / 1/2551 เป็นต้นไปและรหัสประจำตัวจะถูกวางไว้ด้านข้างดังนั้นข้อมูลจะแสดงประวัติทั้งหมดของเหตุการณ์สำหรับผู้ป่วยแต่ละรายแยกกัน (แม้ว่าจะไม่ใช่ผู้ป่วยทั้งหมดที่มีอยู่ทุกวันไม่แน่ใจว่าเป็นเรื่องสำคัญ)

ฉันต้องการใช้ lme4 ใน R เพื่อสร้างแบบจำลองโครงสร้างอัตโนมัติภายในผู้ป่วยแต่ละราย แต่ Googling บางอย่างมาพร้อมกับใบเสนอราคา“ lme4 ไม่ได้ตั้งค่าเพื่อจัดการกับโครงสร้าง autoregressive” แม้ว่าจะเป็นฉันไม่แน่ใจว่าฉันเข้าใจวิธีการเขียนรหัสต่อไป

ในกรณีที่ทุกคนสังเกตเห็นฉันถามคำถามแบบนี้เมื่อไม่นานมานี้พวกเขาเป็นชุดข้อมูลที่แตกต่างกับปัญหาที่แตกต่างกันจริง ๆ แล้วการแก้ไขปัญหานี้จะช่วยได้ด้วย (ใครบางคนแนะนำให้ฉันใช้วิธีการแบบผสม ไม่แน่ใจวิธีการทำเช่นนี้)

ดังนั้นฉันจึงติดอยู่และสูญเสียความซื่อสัตย์ ความช่วยเหลือใด ๆ ที่ได้รับสุดซึ้ง!

นี่คือแนวคิดที่เชื่อมโยงตัวแปรไบนารีของคุณเข้ากับตัวแปรแบบต่อเนื่องและไม่มีการตรวจสอบ; การเชื่อมต่อที่อาจทำให้คุณใช้ประโยชน์จากพลังของตัวแบบอนุกรมเวลาสำหรับตัวแปรต่อเนื่อง

กำหนด:

$V_{w,t} = 1$หากเกิดเหตุการณ์รุนแรงในวอร์ดในช่วงเวลาและ 0 เป็นอย่างอื่น$w$$t$

$P_{w,t}$ : นิสัยชอบความรุนแรงในวอร์ดในเวลาที$w$$t$

$P_{w,t}$ถือเป็นตัวแปรต่อเนื่องที่ในบางแง่หมายถึงความรู้สึกของผู้ต้องขังที่ถูกกักขังอยู่ในความรู้สึกของผู้ต้องขังในบางเวลาและส่งผลให้เกิดความรุนแรง ด้วยเหตุผลดังต่อไปนี้เรามี:

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

ที่ไหน

$\tau$เป็นเกณฑ์ที่ไม่ได้ตรวจสอบซึ่งทำให้เกิดการกระทำที่รุนแรง

จากนั้นคุณสามารถใช้โมเดลอนุกรมเวลาสำหรับและประเมินพารามิเตอร์ที่เกี่ยวข้อง ตัวอย่างเช่นคุณสามารถสร้างแบบจำลองเป็น:$P_{w,t}$$P_{w,t}$

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

ที่ไหน

$n_{w,t}$คือจำนวนของผู้ป่วยในหอผู้ป่วยในเวลาที$w$$t$

คุณสามารถดูว่าแตกต่างจาก 0 อย่างมากเพื่อทดสอบสมมติฐานของคุณหรือไม่ว่า "ผู้ป่วยจำนวนมากขึ้นนำไปสู่การเพิ่มความน่าจะเป็นของความรุนแรง"$\beta$

ความท้าทายของสเปคโมเดลข้างต้นคือคุณไม่ได้สังเกตและดังนั้นข้างต้นไม่ใช่โมเดลซีรีย์เวลาปกติของคุณ ฉันไม่รู้อะไรเลยเกี่ยวกับ R ดังนั้นบางทีคนอื่นอาจจะชิปถ้ามีแพคเกจที่จะช่วยให้คุณประมาณรูปแบบดังกล่าวข้างต้น$P_{w,t}$