¿Cómo usar la regresión logística ordinal con efectos aleatorios?

En mi estudio mediré la carga de trabajo con varias métricas. Con variabilidad de la frecuencia cardíaca (VFC), actividad electrodérmica (AED) y con una escala subjetiva (IWS). Después de la normalización, el IWS tiene tres valores:

Carga de trabajo inferior a lo normal
La carga de trabajo es promedio
La carga de trabajo es más alta de lo normal.

Quiero ver qué tan bien las medidas fisiológicas pueden predecir la carga de trabajo subjetiva.

Por lo tanto, quiero usar datos de relación para predecir valores ordinales. De acuerdo con: ¿Cómo ejecuto el análisis de regresión logística ordinal en R con valores numéricos / categóricos? Esto se hace fácilmente mediante el uso de la MASS:polrfunción.

Sin embargo, también quiero tener en cuenta los efectos aleatorios, como las diferencias entre sujetos, el sexo, el tabaquismo, etc. Mirando este tutorial , no veo cómo puedo agregar efectos aleatorios MASS:polr. Alternativamente, lme4:glmersería una opción, pero esta función solo permite la predicción de datos binarios.

¿Es posible agregar efectos aleatorios a una regresión logística ordinal?

— Robin Kramer
fuente

No está obligado a usar probabilidades proporcionales para este tipo de resultado, puede usar modelos de relación de continuación y otros. Puede investigar el paquete ordinal disponible de CRAN.

— mdewey

@RobinKramer Aclara lo que crees que quieres decir con efectos aleatorios. Cuando los estadísticos dicen efectos aleatorios, generalmente quieren dar cuenta de la agrupación entre diferentes observaciones. Por ejemplo, supongamos que repitió medidas en los mismos individuos, por lo que cada obs es una persona en un momento determinado y tuvo 4 observaciones por persona. Podría decirse que debe ajustarse a un modelo de efectos aleatorios; cada persona tiene un efecto aleatorio específico de la persona (generalmente se supone que proviene de una distribución normal). Cuando dices género, tabaquismo, etc., generalmente se pueden modelar como efectos fijos. ¿Entonces a que te refieres?

— Weiwen

@WeiwenNg la pregunta es bastante antigua, pero estaba acostumbrado a usar regresiones LME en las que colocaba variables, en las que no estaba interesado (pero tenía un efecto en el DV), como efectos aleatorios. Intenté hacer lo mismo con este proyecto.

— Robin Kramer

@RobinKramer ¡Qué mal, no pude anotar la fecha! Dicho esto, todavía creo que hay algo de confusión aquí. ¿Tiene medidas repetidas en los individuos? Si es así, entonces probablemente debería incluir una intercepción aleatoria por persona. Si está interesado en el efecto del género en el DV, entonces probablemente solo necesite modelarlo como una covariable normal. Algunos dirían que modelarlo como un efecto fijo (porque estás tratando su efecto en el DV como fijo). Tratar el género como un efecto aleatorio sería realmente ontológicamente confuso.

— Weiwen

Respuestas:

En principio, puede hacer que la maquinaria de cualquier software de modelo mixto logístico realice una regresión logística ordinal expandiendo la variable de respuesta ordinal en una serie de contrastes binarios entre niveles sucesivos (p. Ej., Consulte la sección 8.4.6 de Dobson y Barnett Introducción a los modelos lineales generalizados ). Sin embargo, esto es un dolor, y afortunadamente hay algunas opciones en R:

el paquete ordinal , a través de la clmmy clmm2funciones ( clmm= C umulative L de tinta M ixed M Odel)
el paquete mezclador , a través de la mixorfunción
el paquete MCMCglmm , vía family="ordinal"(ver ?MCMCglmm)
el paquete brms , por ejemplo, a través de family="cumulative"(ver ?brmsfamily)

Las últimas dos opciones se implementan dentro de los marcos Bayesian MCMC. Hasta donde yo sé, todas las funciones citadas (con la excepción de ordinal::clmm2) pueden manejar múltiples efectos aleatorios (intercepciones, pendientes, etc.); la mayoría de ellos (¿quizás no MCMCglmm?) pueden manejar opciones de función de enlace (logit, probit, etc.).

( Si tengo tiempo, volveré y revisaré esta respuesta con un ejemplo trabajado de configuración de modelos ordinales desde cero usandolme4 )

— Ben Bolker
fuente

Gracias por su respuesta. De hecho, he visto a alguien usando una serie de contrastes binarios, pero con una "ecuación de estimación general". ¿Cómo se relaciona eso con los métodos que mencionaste? Además, al hacer varias comparaciones, ¿no necesita corregir el problema de comparación múltiple?

— Robin Kramer

Otra forma de estimar un modelo de efectos mixtos con respuesta ordinal en R es a través de la mixorfunción del paquete mezclador . Esta función permite pendientes e intercepciones aleatorias y ofrece alguna opción sobre la función de enlace (no está restringido a la regresión logística ordenada, sino que también puede usar las funciones probit, log-log y complementario log-log link).

— user206892

¿Quieres volver y agregar un ejemplo trabajado?

— Vuelva a instalar Monica

probablemente sea más difícil de lo que quiero que sea ...

— Ben Bolker

Sí, es posible incluir efectos aleatorios en un modelo de regresión ordinal. Conceptualmente, esto es lo mismo que incluir efectos aleatorios en un modelo lineal mixto. Aunque el sitio UCLA sólo demuestra la polr()función en el MASSpaquete, hay una serie de instalaciones para el montaje de modelos ordinales en R. Hay una más amplia (pero menos detallada) visión general aquí . Sin embargo, la única forma en que sé que incluye efectos aleatorios en R usa el paquete ordinal. Trabajo con un ejemplo aquí: ¿Hay una prueba de Friedman bidireccional?

— gung - Restablece a Monica
fuente