Eu tenho uma regressão logística binária com apenas um preditor de fator fixo binário. A razão de eu não fazer isso como um quadrado de Chi ou o teste exato de Fisher é que também tenho vários fatores aleatórios (existem vários pontos de dados por indivíduo e os indivíduos estão em grupos, embora não me importe com coeficientes ou significados para essas variáveis aleatórias). Eu faço isso com R. glmer.
Eu gostaria de poder expressar o coeficiente e o intervalo de confiança associado ao preditor como uma taxa de risco, e não uma taxa de chances. Isso ocorre porque (talvez não para você, mas para o meu público-alvo) a taxa de risco é muito mais fácil de entender. A taxa de risco aqui é o aumento relativo da chance de o resultado ser 1 em vez de 0 se o preditor for 1 em vez de 0.
O odds ratio é trivial para obter o coeficiente e o IC associado usando exp (). Para converter uma taxa de chances em uma taxa de risco, você pode usar "RR = OR / (1 - p + (px OR)), onde p é o risco no grupo de controle" (fonte: http: //www.r- bloggers.com/how-to-convert-odds-ratios-to-relative-risks/) Mas, você precisa do risco no grupo de controle, o que, no meu caso, significa a chance de o resultado ser 1 se o preditor for 0. Acredito que o coeficiente de interceptação do modelo seja, de fato, as chances dessa chance, para que eu possa usar prob = odds / (odds + 1) para conseguir isso. Eu estou muito bem até aqui, tanto quanto a estimativa central para a taxa de risco. Mas o que me preocupa é o intervalo de confiança associado, porque o coeficiente de interceptação também tem seu próprio IC associado. Devo usar a estimativa central da interceptação ou, para ser conservador, devo usar quaisquer limites do IC de interceptação para aumentar meu IC de risco relativo? Ou estou latindo totalmente na árvore errada?