W moim badaniu będę mierzyć obciążenie pracą za pomocą kilku wskaźników. Ze zmiennością tętna (HRV), aktywnością elektrodową (EDA) i ze skalą subiektywną (IWS). Po normalizacji IWS ma trzy wartości:
- Obciążenie pracą niższe niż normalnie
- Obciążenie pracą jest średnie
- Nakład pracy jest większy niż zwykle.
Chcę zobaczyć, jak dobrze środki fizjologiczne mogą przewidzieć subiektywne obciążenie pracą.
Dlatego chcę użyć danych współczynnika do przewidywania wartości porządkowych. Zgodnie z: Jak uruchomić analizę regresji logistycznej porządkowej w R z wartościami liczbowymi / kategorialnymi? można to łatwo zrobić za pomocą MASS:polr
funkcji.
Chciałbym jednak wziąć pod uwagę efekty losowe, takie jak różnice między podmiotami, płeć, palenie itp. Patrząc na ten samouczek , nie widzę, jak mogę dodać efekty losowe MASS:polr
. Alternatywnie lme4:glmer
byłaby wtedy opcja, ale ta funkcja pozwala tylko przewidywać dane binarne.
Czy można dodać losowe efekty do porządkowej regresji logistycznej?
Odpowiedzi:
Zasadniczo można zmusić maszynerię dowolnego oprogramowania z logistycznym modelem mieszanym do wykonania regresji logistyki porządkowej poprzez rozszerzenie zmiennej odpowiedzi porządkowej do szeregu kontrastów binarnych między kolejnymi poziomami (np. Patrz Dobson i Barnett Wprowadzenie do ogólnych modeli liniowych sekcja 8.4.6). Jest to jednak ból i na szczęście w R jest kilka opcji:
clmm
iclmm2
funkcje (clmm
= C umulative L tuszu M ixed M Odel)mixor
funkcjifamily="ordinal"
(SEE?MCMCglmm
)family="cumulative"
(patrz?brmsfamily
)Dwie ostatnie opcje są zaimplementowane w ramach Bayesian MCMC. O ile mi wiadomo, wszystkie cytowane funkcje (z wyjątkiem
ordinal::clmm2
) mogą obsługiwać wiele efektów losowych (przechwyty, zbocza itp.); większość z nich (może nieMCMCglmm
?) może obsłużyć wybór funkcji łącza (logit, probit itp.).( Jeśli będę miał czas, wrócę i poprawię tę odpowiedź za pomocą sprawdzonego przykładu ustawiania modeli porządkowych od zera
lme4
)źródło
mixor
funkcja pakietu miksera . Ta funkcja pozwala na losowe zbocza i przechwyty oraz daje pewien wybór w stosunku do funkcji łącza (nie jesteś ograniczony do uporządkowanej regresji logistycznej, ale możesz również użyć funkcji probit, log-log i uzupełniających funkcji log-log).Tak, możliwe jest uwzględnienie efektów losowych w modelu regresji porządkowej. Koncepcyjnie jest to to samo, co uwzględnianie efektów losowych w liniowym modelu mieszanym. Chociaż strona UCLA pokazuje tylko
polr()
funkcji wMASS
pakiecie, istnieje szereg obiektów do montażu modeli porządkowe w R. Jest szersza (ale mniej szczegółowy) opis tutaj . Jednak jedynym sposobem, w jaki znam włączenie losowych efektów w R, jest użycie pakietu porządkowego. Pracuję tutaj nad przykładem: czy istnieje dwukierunkowy test Friedmana?źródło