Dalam studi saya, saya akan mengukur beban kerja dengan beberapa metrik. Dengan variabilitas denyut jantung (HRV), aktivitas electrodermal (EDA) dan dengan skala subjektif (IWS). Setelah normalisasi, IWS memiliki tiga nilai:
- Beban kerja lebih rendah dari biasanya
- Beban kerja rata-rata
- Beban kerja lebih tinggi dari biasanya.
Saya ingin melihat seberapa baik langkah-langkah fisiologis dapat memprediksi beban kerja subjektif.
Karena itu saya ingin menggunakan data rasio untuk memprediksi nilai ordinal. Menurut: Bagaimana cara menjalankan analisis Regresi Logistik Ordinal dalam R dengan nilai numerik / kategorikal? ini mudah dilakukan dengan menggunakan MASS:polr
fungsi.
Namun, saya juga ingin memperhitungkan efek acak seperti perbedaan antara subjek, jenis kelamin, merokok dll. Melihat tutorial ini , saya tidak melihat bagaimana saya dapat menambahkan efek acak MASS:polr
. Atau lme4:glmer
akan menjadi pilihan, tetapi fungsi ini hanya memungkinkan prediksi data biner.
Apakah mungkin untuk menambahkan efek acak ke regresi logistik ordinal?
Jawaban:
Pada prinsipnya Anda dapat membuat mesin dari setiap perangkat lunak model campuran logistik melakukan regresi logistik ordinal dengan memperluas variabel respon ordinal menjadi serangkaian kontras biner antara tingkat berturut-turut (misalnya lihat Dobson dan Barnett Pengantar Model Generalized Linear Model bagian 8.4.6). Namun, ini menyakitkan, dan untungnya ada beberapa opsi dalam R:
clmm
danclmm2
fungsi (clmm
= C umulative L tinta M ixed M odel)mixor
fungsifamily="ordinal"
(lihat?MCMCglmm
)family="cumulative"
(lihat?brmsfamily
)Dua opsi terakhir diimplementasikan dalam kerangka kerja MCMC Bayesian. Sejauh yang saya tahu, semua fungsi yang dikutip (dengan pengecualian
ordinal::clmm2
) dapat menangani beberapa efek acak (penyadapan, lereng, dll.); kebanyakan dari mereka (mungkin tidakMCMCglmm
?) dapat menangani pilihan fungsi tautan (logit, probit, dll.).( Jika saya punya waktu, saya akan kembali dan merevisi jawaban ini dengan contoh yang berhasil mengatur model ordinal dari awal menggunakan
lme4
)sumber
mixor
fungsi paket mixor . Fungsi ini memungkinkan untuk kemiringan dan penyadapan acak dan memberikan beberapa pilihan atas fungsi tautan (Anda tidak terbatas pada regresi logistik yang dipesan tetapi juga dapat menggunakan fungsi probit, log-log, dan fungsi tautan log-log komplementer).Ya, dimungkinkan untuk memasukkan efek acak dalam model regresi ordinal. Secara konseptual, ini sama dengan memasukkan efek acak dalam model campuran linier. Meskipun situs UCLA hanya menunjukkan
polr()
fungsi dalamMASS
paket, ada sejumlah fasilitas untuk pemasangan model ordinal di R. Ada tinjauan yang lebih luas (tapi kurang rinci) di sini . Satu-satunya cara saya tahu untuk memasukkan efek acak dalam R menggunakan paket ordinal. Saya bekerja melalui contoh di sini: Apakah ada tes dua arah Friedman?sumber