Berechnung des ICC für die logistische Regression mit zufälligen Effekten


13

Ich führe ein logistisches Regressionsmodell in der folgenden Form aus:

lmer(response~1+(1|site), family=binomial, REML = FALSE)

Normalerweise würde ich den ICC aus dem Achsenabschnitt und den Restvarianzen berechnen, aber die Zusammenfassung des Modells enthält keine Restvarianzen. Wie berechne ich das?


1
Warum berechnen Sie den ICC?
AdamO

1
Um die Annahme zu überprüfen, dass die normale logistische Regression für diese Daten nicht gültig ist, als Beweis, dass ich GLMM verwenden sollte. Ich habe eine Gleichung gefunden: ICClogit = Achsenabschnittsvarianz ^ 2 / (Achsenabschnittsvarianz ^ 2 + pi ^ 2/3). Scheint das vernünftig?
Megan

Sie verwenden den vollständigen Maximum-Likelihood-Ansatz. Können Sie keinen Likelihood-Ratio-Test mit 1 Freiheitsgrad gegen das Fixed-Effects-Modell durchführen?
AdamO

4
@ Megan: Du hast recht. In der Praxis haben Zeger et al. (1988) schlägt vor , funktioniert besser als π 2 / 3 als Restvarianz für logistische Regressionsmodelle, obwohl die zwei sehr nahe sind. Siehe SL Zeger, KY Liang und PS Albert. Modelle für longitudinale Daten: ein verallgemeinerter Schätzgleichungsansatz. Biometrics, 44: 1049–1060, 1988.(15/16)2π2/3π2/3
Randel,

4
@ Megan: Es ist intercept_variance / (intercept_variance + pi^2/3)- also nicht die Varianz quadrieren .
Wolfgang

Antworten:


7

Sie können die icc()-Funktion aus dem sjstats-Paket verwenden .

In der Hilfedatei ?sjstats::iccfinden Sie einen Verweis auf die Formel für gemischte Modelle mit Binärantwort:

Wus, Crespi CM, Wong WK. 2012. Vergleich von Methoden zur Schätzung des Intraclass-Korrelationskoeffizienten für binäre Antworten in randomisierten Krebspräventionscluster-Studien. Contempory Clinical Trials 33: 869-880 (doi: 10.1016 / j.cct.2012.05.004)

Die verbleibende Abweichung in der logistischen Regression ist auf festgelegt (pi ^ 2) / 3.


Haben Sie eine Referenz für diese Formel?
Jeanine

Meinst du mich? War Ihr Kommentar anfangs nicht beim OP-Posting?
Daniel

@ Jeanine-ICC-Zitat: R. Moineddin, FI Matheson & RH Glazier (2007). Eine Simulationsstudie zur Stichprobengröße für logistische Regressionsmodelle auf mehreren Ebenen. BMC Medical Research Methodology, 7, 34. doi.org/10.1186/1471-2288-7-34
murrt am
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.