1

对于我的研究项目，我正在调查政策变化对某些结果的影响，例如犯罪率。多个国家在不同时间点或不同年份对新政策进行了调整。

到目前为止，我已经对每个国家分别进行了泊松回归形式的时间序列分析。

我拥有的可用数据包含每个国家/地区的以下变量：

# year = year of observation 
# time = elapsed time since the start of the observation
# ANC = absolute number of crimes in the country per year
# pop = the population of the country
# leg = the legislation, coded 0 for pre-intervention period and 1 for post-intervention
# rate = computed ANC per million population

所以基本上每年统计犯罪数量，所以时间间隔是1年。

这是我为每个国家/地区创建的模型：

modelCNTRY <- glm(ANC ~  offset(log(pop)) + time + leg,
               family = poisson(link = "log"),
               data = CNTRY)

当我使用计数数据时，我使用了泊松模型：为了做到这一点，我使用总体（对数转换）作为偏移变量直接对计数数据（而不是比率）建模，以便转换回比率。

到目前为止，一切都很好！然而，对于一些国家来说，干预前后的数据点非常有限或分布非常不均，这就是为什么我想知道是否可以对汇总数据进行相同的分析，而不仅能够估计对每个国家的影响，也是一个整体的影响。为此，我将包括 2 级变量“国家”。

由于我在 R 中的多级建模方面非常缺乏经验，所以在这一点上我有点无能为力。然而，这是我的第一次尝试：

mALL <- glmer(ANC ~  offset(log(pop)) +(consent|country) + time + consent,
                family = poisson(link = "log"),
                data = ALL)

谁能告诉我这种方法是否有意义或我还能做什么？

非常感谢您的支持。

最好的，液晶

4

0 回答 0