혼합 효과 로지스틱 회귀 분석에서 고정 효과 해석

혼합 효과 로지스틱 회귀 분석에 대한 UCLA 웹 페이지의 진술로 혼동됩니다 . 그것들은 그러한 모형을 피팅하여 고정 효과 계수의 표를 보여 주며 아래 첫 번째 단락은 계수를 정규 로지스틱 회귀와 정확하게 해석하는 것처럼 보입니다. 그러나 그들이 승산 비에 관해 이야기 할 때, 당신은 그것들을 랜덤 효과에 조건부로 해석해야한다고 말합니다. log-odd의 해석이 지수 값과 다른 점은 무엇입니까?

1. "다른 모든 것을 일정하게 유지"하지 않아도됩니까?
2. 이 모델에서 고정 효과 계수를 해석하는 올바른 방법은 무엇입니까? 나는 랜덤 효과에 대한 기대치가 0이기 때문에 항상 "정상"로지스틱 회귀 분석에서 변경된 것이 없다는 인상을 받았다. 따라서 임의 효과의 유무에 관계없이 log-odds 및 승산 비를 정확하게 해석했습니다. SE 만 변경되었습니다.

추정치는 본질적으로 항상 해석 될 수 있습니다. 예를 들어, IL6의 경우, IL6의 1 단위 증가는 예상 로그 완화 확률의 .053 단위 감소와 관련이 있습니다. 마찬가지로, 결혼했거나 결혼 한 사람은 독신 사람보다 .26의 더 높은 로그 가능성을 가질 것으로 예상됩니다.

많은 사람들이 승산 비를 해석하는 것을 선호합니다. 그러나, 혼합 효과가있을 때 더 미묘한 의미를 갖습니다. 정규 로지스틱 회귀 분석에서 승산 비는 다른 모든 예측 변수를 고정한 예상 승산 비입니다. 결혼과 같은“순수한”효과를 얻거나 관심있는 주요 예측 변수가 무엇이든 연령과 같은 다른 효과를 통계적으로 조정하는 데 관심이있는 경우가 많습니다. 혼합 효과 로지스틱 모델의 경우에도 마찬가지입니다. 다른 모든 고정 된 항목에는 고정 된 임의 효과의 고정이 포함됩니다. 즉, 여기에서 확률 비율은 나이와 IL6이 일정하거나 같은 의사를 가진 사람이나 동일한 무작위 효과를 가진 의사의 조건부 확률 비율입니다.

실제로 혼합 효과 로지스틱 회귀 분석에서 결과의 평균을 선형 예측 변수와 연결하는 데 사용되는 비선형 링크 함수로 인해 고정 효과 계수는 랜덤 효과에 대한 조건부 해석을 갖습니다.

생각하기 쉬운 예는 다음과 같습니다. 각 병원의 환자가 A 또는 B의 두 가지 치료로 무작위 배정되는 다기관 임상 시험이 있다고 가정 해보십시오. 또한 관심있는 결과가 이진이라고 말하십시오 (예 : 환자는 수술이 필요합니다 (예 또는 아니오). 임상 시험의 다중 중심 특성을 설명하기 위해 병원 당 무작위 효과 (예 : 무작위 차단 모델)와 혼합 효과 로지스틱 회귀 분석을 적용했습니다. 이 모델에서 처리 변수에 대한 회귀 계수를 얻습니다.$\beta$. 이$\beta$같은 병원 에서 온 환자에 대한 두 치료 사이의 로그 확률 비율 입니다. 이제 일반화 된 추정 방정식 (GEE) 방식으로 동일한 데이터를 분석 한 경우 한계 해석을 통해 계수를 얻을 수 있습니다. 위의 예에서 계속해서 추정 계수$\beta$GEE는 병원 전체의 환자 에 대한 두 치료 간의 로그 확률 비율, 즉 로그 확률 비율 은 병원 전체에 대해 평균 이됩니다.

혼합 효과 로지스틱 회귀 분석에서 한계 해석으로 계수를 얻는 방법이 있습니다. 이에 대한 자세한 내용은 강의 노트 5.2 절을 참조하십시오 . GLMM으로부터 한계 해석을 갖는 계수를 얻기위한이 접근법의 R에서의 구현 marginal_coefs()을 위해 GLMMadaptive 패키지의 기능 을 점검하십시오 . 더 많은 정보는 여기에서 확인할 수 있습니다 .