Hai năm dữ liệu mô tả sự xuất hiện của hiệp hội thử nghiệm bạo lực với số bệnh nhân trong bệnh viện

Tôi có hai năm dữ liệu về cơ bản như thế này:

Ngày _ __ Bạo lực Y / N? _ Số bệnh nhân

1/1/2008 _ ___ 0 __ _ __ _ ____ 11

2/1/2008 _ __ _ 0 _ __ _ __ _ __ 11

3/1/2008 _ ____ 1 __ _ __ _ ____ 12

4/1/2008 _ ____ 0 __ _ __ _ ____ 12

...

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

tức là hai năm quan sát, mỗi ngày một lần, ở một khoa tâm thần, trong đó cho biết liệu có sự cố bạo lực nào vào ngày hôm đó không (1 là có, 0 không) cũng như số bệnh nhân trong phòng bệnh. Giả thuyết mà chúng tôi muốn kiểm tra là nhiều bệnh nhân trong phòng bệnh có liên quan đến xác suất bạo lực gia tăng ở phường.

Tất nhiên, chúng tôi nhận ra rằng chúng tôi sẽ phải điều chỉnh vì thực tế là khi có nhiều bệnh nhân trong phòng bệnh, bạo lực có nhiều khả năng vì chỉ có nhiều người trong số họ - chúng tôi quan tâm đến việc xác suất bạo lực của mỗi cá nhân sẽ tăng lên khi Có nhiều bệnh nhân trên phường.

Tôi đã thấy một số bài báo chỉ sử dụng hồi quy logistic, nhưng tôi nghĩ đó là sai vì có cấu trúc tự động (mặc dù, nhìn vào hàm tự tương quan, nó không vượt quá .1 ở bất kỳ độ trễ nào, mặc dù điều này nằm trên Đường nét đứt màu xanh lam quan trọng mà R vẽ cho tôi).

Để làm cho mọi thứ phức tạp hơn, tôi có thể nếu tôi muốn chia nhỏ kết quả thành từng bệnh nhân, vì vậy dữ liệu sẽ trông giống như ở trên, ngoại trừ tôi sẽ có dữ liệu cho từng bệnh nhân, 1/1/2008, 2 / 1/2008, v.v. và một mã ID ở bên cạnh để dữ liệu sẽ hiển thị toàn bộ lịch sử sự cố cho từng bệnh nhân (mặc dù không phải tất cả bệnh nhân đều có mặt trong tất cả các ngày, không chắc vấn đề đó có quan trọng không).

Tôi muốn sử dụng lme4 trong R để mô hình hóa cấu trúc tự phát trong mỗi bệnh nhân, nhưng một số Googling đưa ra báo giá thì lme4 không được thiết lập để xử lý các cấu trúc tự phát. Ngay cả nếu nó là, tôi không chắc chắn tôi nắm bắt cách viết mã nào.

Chỉ trong trường hợp có ai đó thông báo, tôi đã hỏi một câu hỏi như thế này cách đây một thời gian, chúng là những bộ dữ liệu khác nhau với các vấn đề khác nhau, mặc dù thực sự giải quyết vấn đề này sẽ giúp ích cho vấn đề đó (ai đó đã đề nghị tôi sử dụng các phương pháp hỗn hợp trước đây, nhưng điều này tự phát hiện ra không chắc chắn làm thế nào để làm điều này).

Vì vậy, tôi có một chút bế tắc và mất trung thực. Bất kỳ trợ giúp nhận được biết ơn!

Đây là một ý tưởng kết nối biến phụ thuộc nhị phân của bạn với một biến liên tục, không quan sát được; một kết nối có thể cho phép bạn tận dụng sức mạnh của các mô hình chuỗi thời gian cho các biến liên tục.

Định nghĩa:

$V_{w,t} = 1$$w$$t$

$P_{w,t}$$w$$t$

$P_{w,t}$

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

Ở đâu,

$\tau$

$P_{w,t}$$P_{w,t}$

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

Ở đâu,

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

$\beta$

$P_{w,t}$