Tengo una regresión logística binaria con solo un predictor binario de factor fijo. La razón por la que no lo hago como un Chi cuadrado o la prueba exacta de Fisher es que también tengo una serie de factores aleatorios (hay múltiples puntos de datos por individuo y los individuos están en grupos, aunque no me importan los coeficientes o significados para esas variables aleatorias). Hago esto con R glmer.
Me gustaría poder expresar el coeficiente y el intervalo de confianza asociado para el predictor como una razón de riesgo en lugar de una razón de probabilidades. Esto se debe a que (tal vez no para usted sino para mi audiencia) la relación de riesgo es mucho más fácil de entender. La razón de riesgo aquí es el aumento relativo en la posibilidad de que el resultado sea 1 en lugar de 0 si el predictor es 1 en lugar de 0.
La razón de posibilidades es trivial para obtener del coeficiente y el IC asociado usando exp (). Para convertir una razón de probabilidades en una razón de riesgo, puede usar "RR = OR / (1 - p + (px OR)), donde p es el riesgo en el grupo de control" (fuente: http: //www.r- bloggers.com/how-to-convert-odds-ratios-to-relative-risks/) Pero, necesita el riesgo en el grupo de control, que en mi caso significa la posibilidad de que el resultado sea 1 si el predictor es 0. Creo que el coeficiente de intercepción del modelo es, de hecho, las probabilidades de esta posibilidad, por lo que puedo usar prob = odds / (odds + 1) para obtener eso. Soy bastante bueno en esto en lo que respecta a la estimación central de la relación de riesgo. Pero lo que me preocupa es el intervalo de confianza asociado, porque el coeficiente de intercepción también tiene su propio IC asociado. ¿Debo usar la estimación central de la intercepción, o para ser conservador, debo usar cualquier límite del IC de intercepción que amplíe mi IC de riesgo relativo? ¿O estoy ladrando por completo el árbol equivocado?