Como usar a regressão logística ordinal com efeitos aleatórios?

No meu estudo, medirei a carga de trabalho com várias métricas. Com variabilidade da frequência cardíaca (VFC), atividade eletrodérmica (EDA) e com uma escala subjetiva (IWS). Após a normalização, o IWS possui três valores:

Carga de trabalho menor que o normal
Carga de trabalho é média
A carga de trabalho é maior que o normal.

Quero ver até que ponto as medidas fisiológicas podem prever a carga de trabalho subjetiva.

Portanto, eu quero usar dados de proporção para prever valores ordinais. De acordo com: Como executo a análise de Regressão Logística Ordinal em R com valores numéricos / categóricos? isso é feito facilmente usando a MASS:polrfunção

No entanto, também quero dar conta de efeitos aleatórios, como diferenças entre sujeitos, gênero, tabagismo etc. Analisando este tutorial , não vejo como adicionar efeitos aleatórios MASS:polr. Como alternativa, lme4:glmerseria uma opção, mas essa função permite apenas a previsão de dados binários.

É possível adicionar efeitos aleatórios a uma regressão logística ordinal?

— Robin Kramer
fonte

Você não é obrigado a usar probabilidades proporcionais para esse tipo de resultado, pode usar modelos de taxa de continuação e outros. Você pode investigar o pacote ordinal disponível no CRAN.

— Mdewey

@RobinKramer Por favor, esclareça o que você acha que quer dizer com efeitos aleatórios. Quando estatísticos dizem efeitos aleatórios, eles geralmente querem explicar o agrupamento entre diferentes observações. Por exemplo, digamos que você repetiu medidas nos mesmos indivíduos, portanto cada obs é uma pessoa em um determinado momento e você teve quatro observações por pessoa. É possível que você se encaixe em um modelo de efeitos aleatórios; cada pessoa tem um efeito aleatório específico da pessoa (geralmente assumido como sendo de uma distribuição normal). Quando você diz sexo, tabagismo, etc., esses geralmente podem ser modelados como efeitos fixos. Então, o que você quer dizer?

— Weiwen Ng

@ WeiwenNg a pergunta é bastante antiga, mas eu estava acostumado a usar regressões LME nas quais coloquei variáveis nas quais não estava interessado (mas teve um efeito no DV), como efeitos aleatórios. Eu tentei fazer o mesmo com este projeto.

— Robin Kramer

@RobinKramer Meu mal, não notei a data! Dito isto, ainda acho que há alguma confusão aqui. Você tem medidas repetidas sobre os indivíduos? Nesse caso, provavelmente você deve incluir uma interceptação aleatória por pessoa. Se você estiver interessado no efeito de gênero no DV, provavelmente precisará modelá-lo como uma covariável normal. Alguns diriam que o modelam como um efeito fixo (porque você está tratando o efeito no DV como fixo). Tratar o gênero como um efeito aleatório seria realmente ontologicamente confuso.

— Weiwen Ng

Respostas:

Em princípio, você pode fazer com que o mecanismo de qualquer software de modelo misto logístico realize regressão logística ordinal expandindo a variável de resposta ordinal em uma série de contrastes binários entre níveis sucessivos (por exemplo, consulte a seção 8.4.6 de Introdução a modelos lineares generalizados de Dobson e Barnett . No entanto, isso é uma dor, e felizmente existem algumas opções no R:

o pacote ordinal , através do clmme clmm2funções ( clmm= C umulative G tinta M ixed M odelo)
o pacote de mixagem , através da mixorfunção
o pacote MCMCglmm , via family="ordinal"(consulte ?MCMCglmm)
o pacote brms , por exemplo, via family="cumulative"(consulte ?brmsfamily)

As duas últimas opções são implementadas dentro das estruturas Bayesian MCMC. Até onde eu sei, todas as funções citadas (com exceção de ordinal::clmm2) podem lidar com múltiplos efeitos aleatórios (interceptações, declives etc.); a maioria deles (talvez não MCMCglmm?) pode lidar com opções de função de link (logit, probit, etc.).

( Se eu tiver tempo, voltarei e revisarei esta resposta com um exemplo prático de como configurar modelos ordinais do zero usandolme4 )

— Ben Bolker
fonte

Obrigado pela sua resposta. De fato, eu já vi alguém usando uma série de contrastes binários, mas com uma "equação geral de estimativa". Como isso se relaciona com os métodos que você mencionou? Além disso, ao fazer várias comparações, você não precisa corrigir o problema de comparação múltipla?

— 227166 Robin Hoods (

Outra maneira de estimar um modelo de efeitos mistos com resposta ordinal em R é através da mixorfunção do pacote de mixagem . Essa função permite inclinações e interceptações aleatórias e fornece algumas opções sobre a função de link (você não está restrito à regressão logística ordenada, mas também pode usar as funções probit, log-log e log-log complementar).

— user206892

Deseja voltar e adicionar um exemplo trabalhado?

— Reponha Monica

provavelmente é mais difícil do que eu quero que seja ...

— Ben Bolker

Sim, é possível incluir efeitos aleatórios em um modelo de regressão ordinal. Conceitualmente, é o mesmo que incluir efeitos aleatórios em um modelo linear linear. Embora o site da UCLA demonstre apenas a polr()função no MASSpacote, existem várias facilidades para a montagem de modelos ordinais em R. Há uma visão geral mais ampla (mas menos detalhada) aqui . A única maneira que conheço de incluir efeitos aleatórios no R usa o pacote ordinal. Trabalho com um exemplo aqui: Existe um teste de Friedman bidirecional?

— Repor a Monica
fonte