Làm thế nào để sử dụng hồi quy logistic thứ tự với các hiệu ứng ngẫu nhiên?

Trong nghiên cứu của tôi, tôi sẽ đo khối lượng công việc với một vài số liệu. Với biến thiên nhịp tim (HRV), hoạt động điện da (EDA) và với thang đo chủ quan (IWS). Sau khi chuẩn hóa, IWS có ba giá trị:

Khối lượng công việc thấp hơn bình thường
Khối lượng công việc là trung bình
Khối lượng công việc cao hơn bình thường.

Tôi muốn xem các biện pháp sinh lý có thể dự đoán khối lượng công việc chủ quan như thế nào.

Do đó tôi muốn sử dụng dữ liệu tỷ lệ để dự đoán giá trị thứ tự. Theo: Làm cách nào để tôi chạy phân tích hồi quy thông thường trong R với cả hai giá trị số / phân loại? điều này được thực hiện dễ dàng bằng cách sử dụng MASS:polrchức năng.

Tuy nhiên, tôi cũng muốn tính đến các hiệu ứng ngẫu nhiên như sự khác biệt giữa các chủ đề, giới tính, hút thuốc, v.v. Nhìn vào hướng dẫn này , tôi không thấy cách tôi có thể thêm các hiệu ứng ngẫu nhiên vào MASS:polr. Ngoài ra, lme4:glmersau đó sẽ là một tùy chọn, nhưng chức năng này chỉ cho phép dự đoán dữ liệu nhị phân.

Có thể thêm các hiệu ứng ngẫu nhiên vào một hồi quy logistic thứ tự?

— Robin Kramer
nguồn

Bạn không bắt buộc phải sử dụng tỷ lệ cược tỷ lệ cho loại kết quả này, bạn có thể sử dụng các mô hình tỷ lệ tiếp tục và các mô hình khác. Bạn có thể điều tra gói thứ tự có sẵn từ CRAN.

— mdewey

@RobinKramer Vui lòng làm rõ những gì bạn nghĩ bạn có nghĩa là hiệu ứng ngẫu nhiên. Khi các nhà thống kê nói các hiệu ứng ngẫu nhiên, họ thường muốn tính đến việc phân cụm giữa các quan sát khác nhau. Ví dụ: giả sử bạn đã lặp đi lặp lại các biện pháp trên cùng một cá nhân, vì vậy mỗi người quan sát là một người tại một thời điểm nhất định và bạn có 4 lần quan sát cho mỗi người. Bạn có thể phù hợp với một mô hình hiệu ứng ngẫu nhiên; mỗi người có một hiệu ứng ngẫu nhiên cụ thể của từng người (thường được coi là từ một phân phối bình thường). Khi bạn nói giới tính, hút thuốc, vv, những thứ đó thường có thể được mô hình hóa thành các hiệu ứng cố định. Vậy, ý bạn là gì?

— Weiwen Ng

@WeiwenNg câu hỏi khá cũ, nhưng tôi đã quen sử dụng hồi quy LME trong đó tôi đặt các biến, trong đó tôi không quan tâm (nhưng có ảnh hưởng đến DV), như là các hiệu ứng ngẫu nhiên. Tôi đã cố gắng làm điều tương tự với dự án này.

— Robin Kramer

@RobinKramer Thật tệ, tôi đã không ghi chú ngày! Điều đó nói rằng, tôi vẫn nghĩ rằng có một số nhầm lẫn ở đây. Bạn có biện pháp lặp đi lặp lại trên các cá nhân? Nếu vậy, thì có lẽ bạn nên bao gồm một người đánh chặn ngẫu nhiên. Nếu bạn quan tâm đến ảnh hưởng của giới tính đối với DV, thì có lẽ bạn chỉ cần mô hình hóa nó như một đồng biến thông thường. Một số người sẽ nói mô hình hóa nó như là một hiệu ứng cố định (vì bạn đang coi hiệu ứng của nó trên DV là cố định). Đối xử với giới như một hiệu ứng ngẫu nhiên sẽ thực sự gây nhầm lẫn về mặt bản thể.

— Weiwen Ng

Câu trả lời:

Về nguyên tắc, bạn có thể làm cho máy móc của bất kỳ phần mềm mô hình hỗn hợp logistic nào thực hiện hồi quy logistic thông thường bằng cách mở rộng biến phản ứng thứ tự thành một chuỗi các tương phản nhị phân giữa các cấp liên tiếp (ví dụ: xem Dobson và Barnett Giới thiệu về Mô hình tuyến tính tổng quát phần 8.4.6). Tuy nhiên, đây là một nỗi đau và may mắn thay, có một vài lựa chọn trong R:

các gói thứ tự , thông qua clmmvà clmm2chức năng ( clmm= C umulative L mực M ixed M odel)
các gói mixor , thông qua mixorchức năng
các gói MCMCglmm , qua family="ordinal"(see ?MCMCglmm)
các gói brms , ví dụ như thông qua family="cumulative"(xem ?brmsfamily)

Hai tùy chọn thứ hai được triển khai trong các khung MCMC của Bayes. Theo như tôi biết, tất cả các hàm được trích dẫn (ngoại trừ ordinal::clmm2) có thể xử lý nhiều hiệu ứng ngẫu nhiên (chặn, dốc, v.v.); hầu hết trong số họ (có thể không MCMCglmm?) có thể xử lý các lựa chọn về chức năng liên kết (logit, probit, v.v.).

( Nếu có thời gian, tôi sẽ quay lại và sửa lại câu trả lời này bằng một ví dụ hoạt động về việc thiết lập các mô hình thứ tự từ đầu bằng cách sử dụnglme4 )

— Ben Bolker
nguồn

Cảm ơn về câu trả lời của bạn. Thực tế, tôi đã thấy ai đó sử dụng một loạt các tương phản nhị phân thực sự, nhưng với một "phương trình ước tính chung". Làm thế nào mà liên quan đến các phương pháp bạn đề cập? Hơn nữa, khi thực hiện một vài so sánh, bạn không cần phải sửa cho vấn đề so sánh nhiều?

— Robin Kramer

Một cách khác để ước tính mô hình hiệu ứng hỗn hợp với đáp ứng thứ tự trong R là thông qua mixorchức năng của gói bộ trộn . Hàm này cho phép các sườn dốc và chặn ngẫu nhiên và cung cấp một số lựa chọn cho hàm liên kết (bạn không bị hạn chế đối với hồi quy logistic theo thứ tự nhưng cũng có thể sử dụng các hàm probit, log-log và các hàm liên kết log-log bổ sung).

— 206892

Bạn muốn trở lại và thêm một ví dụ làm việc?

— Phục hồi lại

có lẽ khó hơn tôi muốn ...

— Ben Bolker

Có, có thể bao gồm các hiệu ứng ngẫu nhiên trong mô hình hồi quy thứ tự. Về mặt khái niệm, điều này giống như bao gồm các hiệu ứng ngẫu nhiên trong mô hình hỗn hợp tuyến tính. Mặc dù trang web UCLA chỉ thể hiện polr()chức năng trong MASSgói, nhưng có một số phương tiện để phù hợp với các mô hình thứ tự trong R. Có một tổng quan rộng hơn (nhưng ít chi tiết hơn) ở đây . Mặc dù, cách duy nhất tôi biết để bao gồm các hiệu ứng ngẫu nhiên trong R là sử dụng gói thứ tự. Tôi làm việc thông qua một ví dụ ở đây: Có thử nghiệm Friedman hai chiều không?

— gung - Phục hồi Monica
nguồn