ini posting pertama saya. Saya benar-benar berterima kasih atas komunitas ini.
Saya mencoba untuk menganalisis data jumlah longitudinal yang terpotong nol (probabilitas bahwa variabel respon = 0 adalah 0), dan rerata! = Varians, sehingga distribusi binomial negatif dipilih daripada poisson.
Fungsi / perintah yang saya singkirkan:
R
- fungsi gee () dalam R tidak memperhitungkan pemotongan nol atau distribusi binomial negatif (bahkan dengan paket MASS yang dimuat)
- glm.nb () dalam R tidak memungkinkan untuk struktur korelasi yang berbeda
- vglm () dari paket VGAM dapat menggunakan keluarga posnegbinomial, tetapi memiliki masalah yang sama dengan perintah ztnb Stata (lihat di bawah) di mana saya tidak dapat mereparasi model menggunakan struktur korelasi non-independen.
Stata
- Jika data tidak longitudinal, saya hanya bisa menggunakan paket Stata ztnb untuk menjalankan analisis saya, TETAPI perintah itu mengasumsikan bahwa pengamatan saya independen.
Saya juga mengesampingkan GLMM karena berbagai alasan metodologis / filosofis.
Untuk saat ini, saya telah menetapkan perintah xtgee Stata (ya, saya tahu bahwa xtnbreg juga melakukan hal yang sama) yang memperhitungkan struktur korelasi tidak independen dan keluarga binomial neg, tetapi bukan pemotongan nol. Manfaat tambahan menggunakan xtgee adalah saya juga bisa menghitung nilai qic (menggunakan perintah qic) untuk menentukan struktur korelasi pas terbaik untuk variabel respons saya.
Jika ada paket / perintah dalam R atau Stata yang dapat mengambil 1) keluarga nbinomial, 2) GEE dan 3) nol-pemotongan ke dalam akun, saya ingin sekali tahu.
Saya sangat menghargai ide yang Anda miliki. Terima kasih.
-Casey
sumber
gamlss
paket yang mungkin sesuai dengan tagihan di R juga.Hmm, pertanyaan pertama yang bagus! Saya tidak tahu paket yang memenuhi persyaratan Anda. Saya pikir Stata's xtgee adalah pilihan yang baik jika Anda juga menentukan
vce(robust)
opsi untuk memberikan kesalahan standar Huber-White, atauvce(bootstrap)
jika itu praktis. Salah satu dari opsi ini akan memastikan kesalahan standar secara konsisten diestimasi meskipun ada kesalahan spesifikasi model yang akan Anda miliki dengan mengabaikan pemotongan nol.Yang meninggalkan pertanyaan tentang apa efek mengabaikan pemotongan nol akan memiliki pada estimasi poin yang menarik bagi Anda. Layak pencarian cepat untuk melihat apakah ada literatur yang relevan tentang ini secara umum, yaitu tidak harus dalam konteks GEE - saya akan berpikir Anda dapat dengan aman berasumsi bahwa hasil seperti itu akan relevan dalam kasus GEE juga. Jika Anda tidak dapat menemukan apa pun, Anda selalu dapat mensimulasikan data dengan nol-pemotongan dan perkiraan efek yang diketahui dan menilai bias dengan simulasi.
sumber
Saya memiliki masalah yang sama dalam disertasi saya. Di Stata, saya hanya membuat sendiri program .ado kustom dengan dua panggilan ke xtgee.
Untuk ini, saya menemukan slide / program "Pemodelan Biaya Perawatan Kesehatan dan Hitungan" oleh Partha Deb, Willard Manning, dan Edward Norton berguna. Mereka tidak berbicara tentang data longitudinal, tetapi itu adalah titik awal yang berguna.
sumber
Saya mencari jawaban pada interpretasi glmmADMB dan saya melihat posting Anda. Saya tahu itu sudah lama sekali tetapi saya mungkin punya jawabannya.
Lihatlah ke paket glmmADMB saat menggunakan model rintangan. Anda harus membagi menjadi dua analisis data Anda: salah satunya memperlakukan tanpa data nol. Anda dapat menambahkan efek campuran dan memilih distribusinya. Syaratnya adalah data harus nol-meningkat dan saya tidak tahu apakah ini sesuai dengan kebutuhan Anda! Bagaimanapun, saya harap Anda tahu dulu!
sumber