如何用这些数据做逻辑混合回归?

机器算法验证 回归 物流 混合模式
2022-04-03 14:22:42

在这项研究中,在 3 个时间点(0、4 和 80 小时)对每个受试者进行测量。然后检查每个对象的某些事件。数据格式如下:

Subject    Time    Value   Event
     1       0h      100     Yes
     2       0h       55     Yes
     1       4h       54      No
     2       4h      116      No
     1      80h      117     Yes

问题是更高(或更低)的值是否与事件的发生有关?

由于这是重复测量,因此必须进行混合回归。由于结果是二元的,因此需要逻辑回归。

如何分析上述数据?

编辑:澄清时间的作用:Value可能与时间有关。Value影响的程度/程度Event可能会随时间而变化。因此,较低的Value可能导致时间 0 的事件比稍后时间的事件。因此,时间影响价值,价值影响事件。时间不直接影响事件。如何将其纳入分析?

1个回答

假设您有足够的主题,那么逻辑线性混合模型应该在这种情况下工作。例如:

glmer(Event ~ Value + (1|Subject), data = mydata, family = binomial(link=logit))

估计值Value将是 1 个单位的变化Value与事件发生概率的对数几率的关联。您可以对其取幂以获得实际赔率。

如果时间只是重复测量的指标并且不感兴趣,那么没有必要包括它。您可能希望允许Value也改变跨主题

glmer(Event ~ Value + (Value|Subject), data = mydata, family = binomial(link=logit))