Regresión logística de cuantiles: cómo transmitir mejor los resultados


12

En una publicación anterior, me preguntaba cómo lidiar con los puntajes EQ-5D . Recientemente me topé con la regresión logística de cuantiles sugerida por Bottai y McKeown que introduce una forma elegante de lidiar con resultados acotados. La fórmula es simple:

logit(y)=log(yyminymaxy)

Para evitar el registro (0) y la división por 0, extiende el rango en un valor pequeño, ϵ . Esto proporciona un entorno que respeta los límites de la puntuación.

El problema es que cualquier β estará en la escala logit y eso no tiene ningún sentido a menos que se vuelva a transformar en la escala regular, pero eso significa que el β será no lineal. Para fines gráficos, esto no importa, pero no con más β : s, esto será muy inconveniente.

Mi pregunta:

¿Cómo sugiere informar un logit β sin informar el período completo?


Ejemplo de implementación

Para probar la implementación, he escrito una simulación basada en esta función básica:

outcome=β0+β1xtest3+β2sex

Donde , y . Como hay un límite en las puntuaciones, he establecido cualquier valor de resultado por encima de 4 y cualquier valor por debajo de -1 en el valor máximo.β 1 = 0.5 β 2 = 1β0=0β1=0.5β2=1

Simula los datos

set.seed(10)
intercept <- 0
beta1 <- 0.5
beta2 <- 1
n = 1000
xtest <- rnorm(n,1,1)
gender <- factor(rbinom(n, 1, .4), labels=c("Male", "Female"))
random_noise  <- runif(n, -1,1)

# Add a ceiling and a floor to simulate a bound score
fake_ceiling <- 4
fake_floor <- -1

# Just to give the graphs the same look
my_ylim <- c(fake_floor - abs(fake_floor)*.25, 
             fake_ceiling + abs(fake_ceiling)*.25)
my_xlim <- c(-1.5, 3.5)

# Simulate the predictor
linpred <- intercept + beta1*xtest^3 + beta2*(gender == "Female") + random_noise
# Remove some extremes
linpred[linpred > fake_ceiling + abs(diff(range(linpred)))/2 |
    linpred < fake_floor - abs(diff(range(linpred)))/2 ] <- NA
#limit the interval and give a ceiling and a floor effect similar to scores
linpred[linpred > fake_ceiling] <- fake_ceiling
linpred[linpred < fake_floor] <- fake_floor

Para trazar lo anterior:

library(ggplot2)
# Just to give all the graphs the same look
my_ylim <- c(fake_floor - abs(fake_floor)*.25, 
             fake_ceiling + abs(fake_ceiling)*.25)
my_xlim <- c(-1.5, 3.5)
qplot(y=linpred, x=xtest, col=gender, ylab="Outcome")

Da esta imagen:

Diagrama de dispersión de la simulación

Las regresiones

En esta sección, creo la regresión lineal regular, la regresión cuantil (usando la mediana) y la regresión logística cuantil. Todas las estimaciones se basan en valores de arranque utilizando la función bootcov ().

library(rms)

# Regular linear regression
fit_lm <- Glm(linpred~rcs(xtest, 5)+gender, x=T, y=T)
boot_fit_lm <- bootcov(fit_lm, B=500)
p <- Predict(boot_fit_lm, xtest=seq(-2.5, 3.5, by=.001), gender=c("Male", "Female"))
lm_plot <- plot.Predict(p, 
             se=T, 
             col.fill=c("#9999FF", "#BBBBFF"), 
             xlim=my_xlim, ylim=my_ylim)

# Quantile regression regular
fit_rq <- Rq(formula(fit_lm), x=T, y=T)
boot_rq <- bootcov(fit_rq, B=500)
# A little disturbing warning:
# In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique

p <- Predict(boot_rq, xtest=seq(-2.5, 3.5, by=.001), gender=c("Male", "Female"))
rq_plot <- plot.Predict(p, 
             se=T, 
             col.fill=c("#9999FF", "#BBBBFF"), 
             xlim=my_xlim, ylim=my_ylim)

# The logit transformations
logit_fn <- function(y, y_min, y_max, epsilon)
    log((y-(y_min-epsilon))/(y_max+epsilon-y))


antilogit_fn <- function(antiy, y_min, y_max, epsilon)
    (exp(antiy)*(y_max+epsilon)+y_min-epsilon)/
        (1+exp(antiy))


epsilon <- .0001
y_min <- min(linpred, na.rm=T)
y_max <- max(linpred, na.rm=T)
logit_linpred <- logit_fn(linpred, 
                          y_min=y_min,
                          y_max=y_max,
                          epsilon=epsilon)

fit_rq_logit <- update(fit_rq, logit_linpred ~ .)
boot_rq_logit <- bootcov(fit_rq_logit, B=500)


p <- Predict(boot_rq_logit, xtest=seq(-2.5, 3.5, by=.001), gender=c("Male", "Female"))

# Change back to org. scale
transformed_p <- p
transformed_p$yhat <- antilogit_fn(p$yhat,
                                    y_min=y_min,
                                    y_max=y_max,
                                    epsilon=epsilon)
transformed_p$lower <- antilogit_fn(p$lower, 
                                     y_min=y_min,
                                     y_max=y_max,
                                     epsilon=epsilon)
transformed_p$upper <- antilogit_fn(p$upper, 
                                     y_min=y_min,
                                     y_max=y_max,
                                     epsilon=epsilon)

logit_rq_plot <- plot.Predict(transformed_p, 
             se=T, 
             col.fill=c("#9999FF", "#BBBBFF"), 
             xlim=my_xlim, ylim=my_ylim)

Las tramas

Para comparar con la función base, agregué este código:

library(lattice)
# Calculate the true lines
x <- seq(min(xtest), max(xtest), by=.1)
y <- beta1*x^3+intercept
y_female <- y + beta2
y[y > fake_ceiling] <- fake_ceiling
y[y < fake_floor] <- fake_floor
y_female[y_female > fake_ceiling] <- fake_ceiling
y_female[y_female < fake_floor] <- fake_floor

tr_df <- data.frame(x=x, y=y, y_female=y_female)
true_line_plot <- xyplot(y  + y_female ~ x, 
                         data=tr_df,
                         type="l", 
                         xlim=my_xlim, 
                         ylim=my_ylim, 
                         ylab="Outcome", 
                         auto.key = list(
                           text = c("Male"," Female"),
                           columns=2))


# Just for making pretty graphs with the comparison plot
compareplot <- function(regr_plot, regr_title, true_plot){
  print(regr_plot, position=c(0,0.5,1,1), more=T)
  trellis.focus("toplevel")
  panel.text(0.3, .8, regr_title, cex = 1.2, font = 2)
  trellis.unfocus()
  print(true_plot, position=c(0,0,1,.5), more=F)
  trellis.focus("toplevel")
  panel.text(0.3, .65, "True line", cex = 1.2, font = 2)
  trellis.unfocus()
}

compareplot(lm_plot, "Linear regression", true_line_plot)
compareplot(rq_plot, "Quantile regression", true_line_plot)
compareplot(logit_rq_plot, "Logit - Quantile regression", true_line_plot)

Regresión lineal para resultado acotado

Regresión cuantil para resultado acotado

Regresión cuantil logística para resultado acotado

La salida de contraste

Ahora he tratado de obtener el contraste y es casi "correcto", pero varía a lo largo del lapso como se esperaba:

> contrast(boot_rq_logit, list(gender=levels(gender), 
+                              xtest=c(-1:1)), 
+          FUN=function(x)antilogit_fn(x, epsilon))
   gender xtest Contrast   S.E.       Lower      Upper       Z      Pr(>|z|)
   Male   -1    -2.5001505 0.33677523 -3.1602179 -1.84008320  -7.42 0.0000  
   Female -1    -1.3020162 0.29623080 -1.8826179 -0.72141450  -4.40 0.0000  
   Male    0    -1.3384751 0.09748767 -1.5295474 -1.14740279 -13.73 0.0000  
*  Female  0    -0.1403408 0.09887240 -0.3341271  0.05344555  -1.42 0.1558  
   Male    1    -1.3308691 0.10810012 -1.5427414 -1.11899674 -12.31 0.0000  
*  Female  1    -0.1327348 0.07605115 -0.2817923  0.01632277  -1.75 0.0809  

Redundant contrasts are denoted by *

Confidence intervals are 0.95 individual intervals

Respuestas:


3

Lo primero que puede hacer es, por ejemplo, interpretar como el efecto estimado del en el logit del cuantil que está viendo.β2^sex

exp{β2^} , de manera similar a la regresión logística "clásica", es la razón de probabilidades del resultado medio (o cualquier otro cuantil) en hombres frente a mujeres. La diferencia con la regresión logística "clásica" es cómo se calculan las probabilidades: usando su resultado (acotado) en lugar de una probabilidad.

Además, siempre puedes mirar los cuantiles pronosticados de acuerdo con una covariable. Por supuesto, debe fijar (condicionar) los valores de las otras covariables en su modelo (como lo hizo en su ejemplo).

Por cierto, la transformación debe ser .log(yyminymaxy)

(Esto no pretende ser una respuesta, ya que es solo una (pobre) redacción de lo que está escrito en este documento , que usted mismo citó. Sin embargo, fue demasiado largo para ser un comentario y alguien que no tiene acceso a las revistas en línea podría estar interesado de todos modos).


Gracias por señalar mi error logit. Lo cambié por el correcto y también simplifiqué mis funciones de transformación. es realmente difícil de entender en una escala logit. No estoy seguro de que esta pregunta realmente tenga una respuesta ... Incluso si el método es una forma elegante de evitar valores fuera de los límites, puede no ser tan útil ...exp(β)
Max Gordon

Muy buen trabajo y gráficos. Para este tipo de variable de respuesta, me inclinaría más hacia el modelo logístico ordinal de probabilidades proporcionales.
Frank Harrell
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.