Cálculo de ICC para regresión logística de efectos aleatorios

Estoy ejecutando un modelo de regresión logística en la forma:

lmer(response~1+(1|site), family=binomial, REML = FALSE)

Normalmente calcularía el ICC a partir de la intercepción y las variaciones residuales, pero el resumen del modelo no incluye la variación residual. ¿Cómo calculo esto?

logistic lme4-nlme glmm

— Megan
fuente

¿Por qué estás calculando el ICC?

— AdamO

Para probar la suposición de que la regresión logística ordinaria no es válida para estos datos, como evidencia de que debería estar usando GLMM. Encontré una ecuación: ICClogit = interceptar varianza ^ 2 / (interceptar varianza ^ 2 + pi ^ 2/3). ¿Esto parece razonable?

— Megan

Estás utilizando el enfoque completo de máxima verosimilitud. ¿No puede hacer una prueba de razón de probabilidad con 1 grado de libertad contra el modelo de efectos fijos?

— AdamO

(15 / 16)^{2} π^{2} / 3

$(15/16)^2\pi^2/3$

π^{2} / 3

$\pi^2/3$

@Megan: Lo es intercept_variance / (intercept_variance + pi^2/3), así que no cuadre la varianza.

— Wolfgang

Puede utilizar la icc()función desde el paquete sjstats .

En el archivo de ayuda ?sjstats::iccencontrará una referencia a la fórmula para modelos mixtos con respuesta binaria:

Wu S, Crespi CM, Wong WK. 2012. Comparación de métodos para estimar el coeficiente de correlación intraclase para respuestas binarias en ensayos aleatorios grupales de prevención del cáncer. Contempory Clinical Trials 33: 869-880 (doi: 10.1016 / j.cct.2012.05.004)

La desviación residual en la regresión logística se fija en (pi ^ 2) / 3.

— Daniel
fuente

¿Tiene una referencia para esta fórmula?

— Jeanine

¿Te refieres a mí? ¿No fue tu comentario inicialmente en la publicación de OP?

— Daniel

@ Jeanine- Citación de ICC: Moineddin, R., Matheson, FI y Glazier, RH (2007). Un estudio de simulación del tamaño de la muestra para modelos de regresión logística multinivel. BMC Medical Research Methodology, 7, 34. doi.org/10.1186/1471-2288-7-34

— refunfuña el