Supongamos que tengo 10 estudiantes, cada uno de los cuales intenta resolver 20 problemas de matemáticas. Los problemas se califican como correctos o incorrectos (en datos largos) y el rendimiento de cada alumno se puede resumir mediante una medida de precisión (en subjdatos). Los modelos 1, 2 y 4 a continuación parecen producir resultados diferentes, pero entiendo que están haciendo lo mismo. ¿Por qué están produciendo resultados diferentes? (Incluí el modelo 3 como referencia).
library(lme4)
set.seed(1)
nsubjs=10
nprobs=20
subjdata = data.frame('subj'=rep(1:nsubjs),'iq'=rep(seq(80,120,10),nsubjs/5))
longdata = subjdata[rep(seq_len(nrow(subjdata)), each=nprobs), ]
longdata$correct = runif(nsubjs*nprobs)<pnorm(longdata$iq/50-1.4)
subjdata$acc = by(longdata$correct,longdata$subj,mean)
model1 = lm(logit(acc)~iq,subjdata)
model2 = glm(acc~iq,subjdata,family=gaussian(link='logit'))
model3 = glm(acc~iq,subjdata,family=binomial(link='logit'))
model4 = lmer(correct~iq+(1|subj),longdata,family=binomial(link='logit'))
library(car)
es necesario para la función logit.
library(betareg)
model5 = betareg(acc~scale(iq),subjdata)