Menghitung ICC untuk regresi logistik efek-acak

Saya menjalankan model regresi logistik dalam bentuk:

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

Biasanya saya akan menghitung ICC dari varian intersep dan residual, tetapi ringkasan model tidak termasuk varians residual. Bagaimana saya menghitung ini?

logistic lme4-nlme glmm Megan
sumber

Mengapa Anda menghitung ICC?

AdamO

Untuk menguji asumsi bahwa regresi logistik biasa tidak valid untuk data ini, sebagai bukti bahwa saya harus menggunakan GLMM. Saya menemukan persamaan: ICClogit = intercept variance ^ 2 / (intercept variance ^ 2 + pi ^ 2/3). Apakah ini masuk akal?

Megan

Anda menggunakan pendekatan kemungkinan maksimum penuh. Tidak bisakah Anda melakukan tes rasio kemungkinan dengan 1 derajat kebebasan terhadap model efek tetap?

AdamO

(15 / 16)^{2} π^{2} / 3

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

π^{2} / 3

$\pi^2/3$

@Megan: Ya intercept_variance / (intercept_variance + pi^2/3)- jadi jangan kuadratkan variansnya .

Wolfgang

Jawaban:

Anda dapat menggunakan icc()-fungsi dari sjstats-paket .

Dalam file bantuan ?sjstats::iccAnda menemukan referensi ke rumus untuk model campuran dengan respons biner:

Wu S, Crespi CM, Wong WK. 2012. Perbandingan metode untuk memperkirakan koefisien korelasi intraclass untuk respon biner dalam uji acak kelompok pencegahan kanker. Percobaan Klinis Contempory 33: 869-880 (doi: 10.1016 / j.cct.2012.05.004)

Penyimpangan residual dalam regresi logistik adalah tetap (pi ^ 2) / 3.

Daniel
sumber

Apakah Anda punya referensi untuk formula ini?

Jeanine

Apakah Anda bermaksud saya? Bukankah awalnya komentar Anda di posting OP?

Daniel

@ Jeanine- kutipan ICC: Moineddin, R., Matheson, FI, & Glazier, RH (2007). Sebuah studi simulasi ukuran sampel untuk model regresi logistik bertingkat. Metodologi Penelitian Medis BMC, 7, 34. doi.org/10.1186/1471-2288-7-34

menggerutu