1

最近，为了应用负二项式回归，我处理并清理了一个数据。

首先，我尝试在Rglm.nb中使用包MASS的功能，但在确保模型将实现数据针对一个唯一参与者（一组观察结果中可能存在相关性）时遇到了问题。

然后，我意识到我可以使用glmmPQL包MASS或glmer包lme4并在其家庭链接中使用家庭负二项式。

问题是我想知道我可以在模型的哪个部分嵌入偏移量（治疗天数的对数）以及我应该如何插入 id 的时间常数观察值（例如性别和基线年龄） df）？

我最近的尝试是：

(glmmPQL (event ~ treatment + offset (log(person.time)) , 
random= list (id=~1, gender=~1, baseline.age=~1), 
family= negative.binomial (theta=1.75), data=df ))

它面临与内存相关的错误（可能是因为错误的代码）。数据示例：

df<-data.frame(id=rep(1:3,each=4),treatment=sample(c(0,1),12,replace = T),
event=sample(c(0,1),12,replace = T),
person.time=sample(c(15,31,30),12,replace = T),
age=rep(c(65,58,74),each=4),gender=rep(c("m","f","m"),each=4))
4

1 回答 1

1

我想在这里回答我自己的问题，以便将来对某些研究人员有用。

首先，我意识到与MASS包中的glmPQL相比， lme4包可能是混合效果模型的更好选择。

其次，我意识到，当我们对数据使用 glmer 模型时，我们对计算发生率比率（如发生率比率）感兴趣（如在我们的示例中），我们需要在偏移参数中使用时间段，并且案例一对使用二元结果变量的时间序列分析感兴趣，应该使用连续两次观察之间的持续时间，而不是这些时间段的累积总和（所以，这是我使用lme4的glmer 函数时遇到的主要问题包裹）。

在模型函数中包含参数，例如在Survival包中使用的参数（ Surv函数的“tstart”和“tstop” ），对于具有其他背景和不太熟悉R的研究人员来说，简化模型公式将非常有用。

在上面的示例数据上运行模型的代码：

tdpm<-glmer(event ~ treatment + age + gender + (1|id), offset=(log(person.time)), data = df ,verbose = T, family = "poisson")

为了测试我们使用的正确的人时，我们可以手动计算比率，并将其与进一步的比率的指数进行比较；

(sum(df$event[df$treatment==1])/sum(df$person.time[df$treatment==1]))/(sum(df$event[df$treatment==0])/sum(df$person.time[df$treatment==0]))
exp(fixef(tdpm))[2]
于 2021-09-03T16:03:51.433 回答