拟合序数逻辑混合效应模型答案

【问题标题】：Fitting a ordinal logistic mixed effect model拟合序数逻辑混合效应模型
【发布时间】：2021-05-19 17:00:09
【问题描述】：

如何在 R 中拟合序数（3 个级别）逻辑混合效应模型？我想它会像一个 glmer，除了三个结果级别。

数据结构

patientid    Viral_load     Adherence     audit_score     visit
1520         0              optimal       nonhazardous       1
1520         0              optimal       nonhazardous       2
1520         0              optimal       hazardous          3
1526         1              suboptimal    hazardous          1
1526         0              optimal       hazardous          2
1526         0              optimal       hazardous          3
1568         2              suboptimal    hazardous          1
1568         2              suboptimal    nonhazardous       2
1568         2              suboptimal    nonhazardous       3

其中病毒载量（感兴趣的结果）由三个级别（0、1、2）、依从性 - 最佳/次优、审核分数无危险/危险和 3 次访问组成。

这是一个使用广义混合效应模型代码的模型外观示例。

library (lme4)
test <- glmer(viral_load ~ audit_score + adherence + (1|patientid) + (1|visit), data = df,family = binomial)
summary (test)

此代码的结果不正确，因为它采用了 virus_load 的二项式结果。

我希望我的问题很清楚。

【问题讨论】：

在这里和其他地方搜索multinomial (logit/logistic) model
你很明显有一个序数响应。有序数/逻辑模型，因此您可以将其纳入搜索工作。

标签： r logistic-regression mixed-models multinomial

【解决方案1】：

你可以试试ordinal 包clmm 功能：

 fmm1 <- clmm(rating ~ temp + contact + (1|judge), data = wine) 

summary(fmm1)   
Cumulative Link Mixed Model fitted with the Laplace approximation

formula: rating ~ temp + contact + (1 | judge)
data:    wine

 link  threshold nobs logLik AIC    niter    max.grad cond.H 
 logit flexible  72   -81.57 177.13 332(999) 1.02e-05 2.8e+01

Random effects:
 Groups Name        Variance Std.Dev.
 judge  (Intercept) 1.279    1.131   
Number of groups:  judge 9 

Coefficients:
           Estimate Std. Error z value Pr(>|z|)    
tempwarm     3.0630     0.5954   5.145 2.68e-07 ***
contactyes   1.8349     0.5125   3.580 0.000344 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Threshold coefficients:
    Estimate Std. Error z value
1|2  -1.6237     0.6824  -2.379
2|3   1.5134     0.6038   2.507
3|4   4.2285     0.8090   5.227
4|5   6.0888     0.9725   6.261

我很确定链接是逻辑的，因为使用更灵活的 clmm2 函数运行相同的模型，默认链接记录为逻辑，我得到相同的结果。

【讨论】：