机器算法验证 - R中的条件逻辑回归与GLMM - 吾爱随笔录

机器算法验证 r 物流咕噜咕噜克洛吉特

2022-03-24 17:25:50

我有配对数据（GWAS 案例/对照研究），并且听说使用条件逻辑回归或广义线性混合模型 (GLMM) 是合适的。在这种情况下我应该使用哪个？你为什么要使用一个而不是另一个。更重要的是，你们能指出我在做这些方法的资源R吗？我找到了很多SAS我不喜欢的材料。如有必要，我可以提供更多详细信息。

1个回答

条件逻辑回归应用固定效应（在计量经济学的背景下），

$l o g i t (p_{i j}) = x_{i j}^{^{'}} β + u_{i} .$ $logit(p_{ij})=\boldsymbol x_{ij}^{'}\boldsymbol\beta+u_i.$ 其中每对主题都有一个单独的截距（ $u_i$ ）。它可以用clogit()of packagesurvival或clogistic()of package来实现Epi。
二进制数据的广义线性混合模型 (GLMM) 可以采用和等链接logit函数。混合逻辑回归为，probitcloglog

$l o g i t (p_{i j}) = x_{i j}^{^{'}} β + z_{i j}^{^{'}} u_{i}$ $logit(p_{ij})=\boldsymbol x_{ij}^{'}\boldsymbol\beta+\boldsymbol z_{ij}^{'}\boldsymbol u_i$ 其中 $\boldsymbol u_i$ 是随机变量并且可以有分布假设（例如正态分布）。当然你可以使用随机截取模型，即 $\boldsymbol z_{ij}^{'}=1$ 和 $\boldsymbol u_i$ 是一个标量。glmer()您可以使用package估计 GLMM lme4。
对于二元数据的条件逻辑回归和 GLMM 之间的选择，有些人赞成条件（固定效应）逻辑回归和带probit链接的 GLMM，但反对固定效应probit或带logit链接的 GLMM。原因可能是某些一致性属性崩溃了，尤其是在集群内样本量较小的情况下（对于您的情况， $n_i=2$ ）。

您可以在此处找到不同上下文中固定效应和随机效应（以及边际模型）的说明。

其它你可能感兴趣的问题