랜덤 효과와 함께 서수 로지스틱 회귀를 사용하는 방법은 무엇입니까?

내 연구에서는 몇 가지 메트릭으로 작업 부하를 측정 할 것입니다. 심박 변이 (HRV), 전극 활동 (EDA) 및 주관적 척도 (IWS). 정규화 후 IWS에는 세 가지 값이 있습니다.

정상보다 낮은 작업량
작업량은 평균입니다
작업량이 정상보다 높습니다.

생리적 측정이 주관적 워크로드를 얼마나 잘 예측할 수 있는지 알고 싶습니다.

따라서 비율 데이터를 사용하여 서수 값을 예측하고 싶습니다. 에 따르면 : 숫자 / 범주 값을 모두 사용하여 R에서 서수 로지스틱 회귀 분석을 어떻게 실행합니까? 이 MASS:polr기능 을 사용하여 쉽게 수행 할 수 있습니다 .

그러나 개체 간 차이, 성별, 흡연 등과 같은 임의의 효과를 설명하고 싶습니다. 이 자습서를 보면에 임의 효과를 추가하는 방법을 알 수 없습니다 MASS:polr. 또는 lme4:glmer옵션이 될 수 있지만이 함수는 이진 데이터의 예측 만 허용합니다.

순서 형 로지스틱 회귀 분석에 임의의 효과를 추가 할 수 있습니까?

— 로빈 크라머
소스

이러한 종류의 결과에 비례 배당률을 사용해야 할 의무는 없으며 연속 비율 모델 및 기타를 사용할 수 있습니다. CRAN에서 사용 가능한 서수 패키지를 조사 할 수 있습니다.

— mdewey

@RobinKramer 임의의 효과가 무슨 뜻인지 생각하십시오. 통계 학자들이 랜덤 효과를 말할 때, 그들은 일반적으로 다른 관측치들 사이의 군집을 설명하려고합니다. 예를 들어, 동일한 개인에 대해 측정을 반복하여 각 obs가 특정 시간에 한 사람이고 한 사람당 4 개의 관측치가 있다고 가정합니다. 당신은 틀림없이 랜덤 효과 모델에 맞아야합니다. 각 개인은 개인별 무작위 효과를 갖습니다 (보통 정규 분포에서 나온 것으로 가정). 성별, 흡연 등을 말할 때는 일반적으로 고정 효과로 모델링 할 수 있습니다. 무슨 뜻인가요?

— Weiwen Ng

@ WeiwenNg 질문은 다소 오래되었지만 변수를 배치 한 LME 회귀 분석을 사용하여 관심이 없었지만 DV에 영향을 미쳤지 만 무작위 효과로 사용했습니다. 이 프로젝트에서 같은 작업을 시도했습니다.

— Robin Kramer

@RobinKramer 내 나쁜, 나는 날짜를 메모하지 못했습니다! 즉, 나는 여전히 여기에 약간의 혼란이 있다고 생각합니다. 개인에 대한 조치를 반복 했습니까? 그렇다면 사람에 의한 임의의 가로 채기를 포함해야합니다. DV에 대한 성별의 영향에 관심이 있다면, 정상적인 공변량으로 모델링하기 만하면됩니다. DV에 미치는 영향을 고정 된 것으로 취급하기 때문에 고정 효과로 모델링한다고 말하는 사람들도 있습니다. 성별을 임의의 효과로 취급하는 것은 실제로 논리적으로 혼란 스러울 수 있습니다.

— Weiwen Ng

답변:

원칙적으로, 로지스틱 혼합 모델 소프트웨어의 기계가 순서 형 응답 변수를 연속 레벨 사이의 일련의 이진 대비로 확장하여 순서 형 로지스틱 회귀 분석을 수행 할 수 있습니다 (예 : Dobson 및 Barnett 일반 선형 모형 소개 섹션 8.4.6 참조). 그러나 이것은 고통스럽고 다행히 R에는 몇 가지 옵션이 있습니다.

서수 패키지 , 비아 clmm및 clmm2함수 ( clmm= C umulative L의 잉크 M은 ixed M의 ODEL)를
mixor 패키지 비아, mixor함수
MCMCglmm 패키지 비아 family="ordinal"(참고 ?MCMCglmm)
BRMS 패키지는 , 예를 통해 family="cumulative"(참조?brmsfamily )

후자의 두 옵션은 베이지안 MCMC 프레임 워크 내에서 구현됩니다. 내가 아는 한 인용 된 모든 함수 (제외 ordinal::clmm2)는 여러 개의 임의 효과 (절편, 경사 등)를 처리 할 수 있습니다. 대부분의 경우 ( MCMCglmm?가 아닐 수도 있음 ) 링크 기능 (logit, probit 등) 선택을 처리 할 수 있습니다.

( 시간이 있으면 돌아와서 서수 모델을 처음부터 설정하는 예제를 사용 하여이 답변을 수정합니다.lme4 )

— 벤 볼커
소스

답변 주셔서 감사합니다. 사실, 나는 일련의 이진 대조를 실제로 사용하는 사람을 보았지만 "일반 추정 방정식"을 보았습니다. 그것은 당신이 언급 한 방법과 어떤 관련이 있습니까? 또한 여러 번 비교할 때 다중 비교 문제를 해결할 필요가 없습니까?

— Robin Kramer

R에서 서수 응답을 갖는 혼합 효과 모델을 추정하는 또 다른 방법 mixor은 믹서 패키지 의 기능을 이용하는 것 입니다. 이 기능은 임의의 기울기 및 절편을 허용하고 링크 기능 (순서 로지스틱 회귀로 제한되지 않고 프로 빗, 로그 로그 및 보완 로그 로그 링크 기능을 사용할 수도 있음)을 선택할 수 있습니다.

— user206892

돌아와서 예제를 추가하고 싶습니까?

— 복원 Monica Monica

그것은 ... 내가 원하는 것보다 더 열심히 아마

— 벤 Bolker

예, 순서 회귀 모형에 임의의 효과를 포함시킬 수 있습니다. 개념적으로 이것은 선형 혼합 모델에 임의 효과를 포함하는 것과 같습니다. UCLA 사이트 polr()는 MASS패키지 의 기능 만 보여 주지만 R에는 서수 모델을 피팅하기위한 여러 기능이 있습니다 . R에 랜덤 효과를 포함시키는 유일한 방법은 서수 패키지를 사용합니다. 여기 예제를 통해 작업합니다. 양방향 Friedman의 테스트가 있습니까?

— gung-복직 모니카
소스