การคำนวณ ICC สำหรับการถดถอยโลจิสติกส์แบบสุ่มผลกระทบ

ฉันใช้รูปแบบการถดถอยโลจิสติกในรูปแบบ:

lmer(response~1+(1|site), family=binomial, REML = FALSE)

โดยปกติฉันจะคำนวณ ICC จากการสกัดกั้นและผลต่างที่เหลือ แต่การสรุปของโมเดลไม่รวมความแปรปรวนที่เหลือ ฉันจะคำนวณสิ่งนี้ได้อย่างไร

logistic lme4-nlme glmm

— เมแกน
แหล่งที่มา

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 1988

(15 / 16)^{2} π^{2} / 3

$(15/16)^2\pi^2/3$

π^{2} / 3

$\pi^2/3$

— Randel

@Megan: มันเป็นintercept_variance / (intercept_variance + pi^2/3)- ดังนั้นอย่ายกกำลังสองแปรปรวน

— Wolfgang

คุณสามารถใช้icc()ฟังก์ชั่จากsjstats แพคเกจ

ในไฟล์ช่วยเหลือ?sjstats::iccคุณจะพบการอ้างอิงถึงสูตรสำหรับโมเดลผสมที่มีการตอบกลับแบบไบนารี่:

Wu S, Crespi CM, Wong WK 2012 การเปรียบเทียบวิธีการประมาณค่าสัมประสิทธิ์สหสัมพันธ์อินทราเน็ตสำหรับการตอบสนองแบบไบนารีในการป้องกันแบบสุ่มกลุ่มการป้องกันโรคมะเร็ง การทดลองทางคลินิกที่เกี่ยวข้องกับ 33: 869-880 (ดอย: 10.1016 / j.cct.2012.05.004)

(pi ^ 2) / 3อันซ์ที่เหลือในการถดถอยโลจิสติกได้รับการแก้ไขไป

— แดเนียล
แหล่งที่มา

คุณมีการอ้างอิงสำหรับสูตรนี้หรือไม่?

— Jeanine

คุณหมายถึงฉัน ความคิดเห็นของคุณไม่ใช่ที่โพสต์ OP ครั้งแรกใช่ไหม

— Daniel

@ Jeanine - การอ้างอิง ICC: Moineddin, R. , Matheson, FI, & Glazier, RH (2007) การศึกษาการจำลองขนาดตัวอย่างสำหรับแบบจำลองการถดถอยโลจิสติกหลายระดับ BMC ระเบียบวิธีวิจัยทางการแพทย์, 7, 34. doi.org/10.1186/1471-2288-7-34

— บ่น