Prueba de Brant en R [cerrado]

Al probar el supuesto de regresión paralela en la regresión logística ordinal, encuentro que hay varios enfoques. He usado tanto el enfoque gráfico (como se detalla en el libro de Harrell) como el enfoque detallado usando el paquete ordinal en R.

Sin embargo, también me gustaría ejecutar la prueba de Brant (desde Stata) para las variables individuales y también para el modelo total. He mirado alrededor pero no puedo encontrarlo implementado en R.

¿Existe una implementación de la prueba de Brant en R?

Implementé la prueba brant en R. El paquete y la función se llama brant y ahora está disponible en CRAN.

Rollin Brant definió la prueba de Brant para probar el supuesto de regresión paralela (Brant, R. (1990) Evaluación de la proporcionalidad en el modelo de probabilidades proporcionales para la regresión logística ordinal. Biometrics , 46 , 1171-1178).

Aquí hay un ejemplo de código:

data = MASS::survey
data$Smoke = ordered(MASS::survey$Smoke, levels=c("Never","Occas","Regul","Heavy"))
model1 = MASS::polr(Smoke ~ Sex + Height, data=data, Hess=TRUE)
brant(model1)

En el ejemplo, se cumple el supuesto de regresión paralela, porque todos los valores de p están por encima de 0.05. El Omnibus es para todo el modelo, el resto para los coeficientes individuales.

Sí, de hecho, el paquete ordinal que vinculó puede hacerlo (aunque no lo llaman la prueba de Brant). Eche un vistazo a las páginas 6 y 7 de su enlace, que demuestran "una prueba de razón de verosimilitud de pendientes iguales o suposiciones de probabilidades proporcionales", que es exactamente lo que está buscando.

Algunas notas sobre el tema.

El paquete R VGAMen el Cumulativecomando (Regresión ordinal con probabilidades acumulativas) permite cambiar los supuestos de probabilidades proporcionales, con la opción parallel=FALSE.

Se sabe que es un problema común (del libro: Modelos de regresión para variables dependientes categóricas usando Stata, segunda edición, por J. Scott Long, Jeremy Freese)

"Una advertencia con respecto al supuesto de regresión paralela: encontramos que el supuesto de regresión paralela (ARP) se viola con frecuencia. Cuando se rechaza, se deben considerar modelos alternativos que no imponen la restricción de las regresiones paralelas. La violación del ARP no es una razón para usig regresión de OLS ya que los supuestos implicados por la aplicación de la LRM a los datos ordinales son aún más fuertes.Modelos alternativos que pueden considerarse incluyen modelos para resultados nominales Modelo de estereotipo logístico o modelo de estereotipo ordenado; el modelo de relación de continuación, son alternativas "(página 221)

Este artículo profundiza en este tema, es claro y está bien escrito, pero no considera el paquete VGAM o el comando "acumulativo": regresión logística ordinal en estudios epidemiológicos.

Este tutorial sobre regresión logística ordinal en R cubre la prueba del supuesto de probabilidades proporcionales.