Tôi có một hồi quy logistic nhị phân chỉ với một yếu tố dự đoán yếu tố cố định nhị phân. Lý do tôi không làm điều đó như một phép thử Chi bình phương hoặc phép thử chính xác của Fisher là tôi cũng có một số yếu tố ngẫu nhiên (có nhiều điểm dữ liệu cho mỗi cá nhân và cá nhân nằm trong nhóm, mặc dù tôi không quan tâm đến hệ số hoặc ý nghĩa cho các biến ngẫu nhiên đó). Tôi làm điều này với R glmer.
Tôi muốn có thể biểu thị hệ số và khoảng tin cậy liên quan cho người dự đoán dưới dạng tỷ lệ rủi ro thay vì tỷ lệ chênh lệch. Điều này là do (có thể không dành cho bạn nhưng đối với khán giả của tôi) tỷ lệ rủi ro dễ hiểu hơn nhiều. Tỷ lệ rủi ro ở đây là sự gia tăng tương đối về cơ hội kết quả là 1 chứ không phải 0 nếu dự đoán là 1 chứ không phải 0.
Tỷ lệ cược là không đáng kể để có được từ hệ số và CI liên quan bằng cách sử dụng exp (). Để chuyển đổi tỷ lệ cược thành tỷ lệ rủi ro, bạn có thể sử dụng "RR = OR / (1 - p + (px OR)), trong đó p là rủi ro trong nhóm kiểm soát" (nguồn: http: //www.r- bloggers.com/how-to-convert-odds-ratios-to-relative-risks/). Nhưng, bạn cần có rủi ro trong nhóm kiểm soát, trong trường hợp của tôi có nghĩa là khả năng kết quả là 1 nếu dự đoán là 0. Tôi tin rằng hệ số chặn từ mô hình trên thực tế là tỷ lệ cược cho cơ hội này, vì vậy tôi có thể sử dụng thăm dò = tỷ lệ cược / (tỷ lệ cược + 1) để có được điều đó. Tôi gần như rất tốt về điều này theo như ước tính trung tâm cho tỷ lệ rủi ro. Nhưng điều làm tôi lo lắng là khoảng tin cậy liên quan, bởi vì hệ số chặn cũng có CI liên quan riêng. Tôi nên sử dụng ước tính trung tâm của đánh chặn, hay để thận trọng, tôi có nên sử dụng bất kỳ giới hạn nào của CI chặn để làm cho CI rủi ro tương đối của tôi rộng nhất? Hay tôi đang sủa sai cây hoàn toàn?