ฉันใช้รูปแบบการถดถอยโลจิสติกในรูปแบบ:
lmer(response~1+(1|site), family=binomial, REML = FALSE)
โดยปกติฉันจะคำนวณ ICC จากการสกัดกั้นและผลต่างที่เหลือ แต่การสรุปของโมเดลไม่รวมความแปรปรวนที่เหลือ ฉันจะคำนวณสิ่งนี้ได้อย่างไร
1
ทำไมคุณถึงคำนวณ ICC
—
AdamO
เพื่อทดสอบสมมติฐานที่ว่าการถดถอยโลจิสติกส์ธรรมดาไม่ถูกต้องสำหรับข้อมูลเหล่านี้เป็นหลักฐานว่าฉันควรใช้ GLMM ฉันพบสมการ: ICClogit = ความแปรปรวนของการสกัดกั้น ^ 2 / (ความแปรปรวนของการสกัดกั้น ^ 2 + pi ^ 2/3) สิ่งนี้ดูสมเหตุสมผลหรือไม่?
—
Megan
คุณกำลังใช้ความเป็นไปได้สูงสุดอย่างเต็มที่ คุณไม่สามารถทำการทดสอบอัตราส่วนความน่าจะเป็นที่มี 1 องศาอิสระกับแบบจำลองเอฟเฟกต์ถาวร
—
AdamO
@Megan: ถูกต้อง ในทางปฏิบัติ Zeger และคณะ (1988) แนะนำทำงานได้ดีกว่าเนื่องจากความแปรปรวนที่เหลือสำหรับแบบจำลองการถดถอยโลจิสติกแม้ว่าทั้งสองจะใกล้เคียงกันมาก ดู SL Zeger, KY Liang และ PS Albert แบบจำลองสำหรับข้อมูลระยะยาว: แนวทางการประมาณสมการทั่วไป Biometrics, 44: 1049-1060 1988π 2 / 3
—
Randel
@Megan: มันเป็น
—
Wolfgang
intercept_variance / (intercept_variance + pi^2/3)
- ดังนั้นอย่ายกกำลังสองแปรปรวน