如何组织多变量概率模型的数据？

Question

我对某些科目进行了心理测试，我正在尝试创建一个多变量概率模型。

测试如下进行：

对于受试者1在11种不同条件下给予一定刺激，每种条件10次。答案（correct=1，uncorrect=0）已注册。 因此，对于主题1，我有以下结果'表：

# Subj 1
      correct
cnt    1  0

  1    0 10
  2    0 10
  3    1  9
  4    5  5
  5    7  3
  6   10  0
  7   10  0
  8   10  0
  9    9  1
  10  10  0
  11  10  0

这意味着Subj1在条件1和2下未正确回答10次，并且在条件10和11下正确回答10次。对于其他条件，响应从条件3增加到条件9。 我希望我很清楚。

我通常使用以下代码分析数据：

prob.glm <- glm(resp.mat1 ~ cnt, family = binomial(link = "probit"))

此处resp.mat1是回复表，而cnt是对比c(1,11)。所以我能够使用predict()函数绘制sigmoid曲线。主题-1的图表如下。

现在假设我对20个科目进行了相同的测试。我现在有20张桌子，就像第一张桌子一样。

我想要做的是比较子组，例如：male vs. female; young vs. older等等。但我想保持个体间的差异，所以简单地“添加”20个表将是错误的。

如何组织数据以使用glm()功能？

我希望能够编写如下命令：

prob.glm <- glm(resp.matTOT ~ cnt + sex, family = binomial(link = "probit"))

然后绘制sex=M和sex=F的曲线。

我尝试使用rbind()功能创建一个唯一的表格，然后为Subj (1 to 20)，Sex，Age添加列。但它看起来是一个糟糕的解决方案，所以任何替代解决方案都将非常受欢迎。

Answer 1

看起来你正在使用错误的功能。检查包glmer中lme4的第一个示例;它非常接近你想要的。 herd应替换为主题编号，但请确保您执行类似

的操作

mydata$subject = as.factor(mydata$subject)

当您有数字主题编号时。

# Stolen from lme4
library(lattice)
library(
xyplot(incidence/size ~ period|herd, cbpp, type=c('g','p','l'),
       layout=c(3,5), index.cond = function(x,y)max(y))
(gm1 <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd),
              data = cbpp, family = binomial))

Answer 2

所有内容的mlogit库中都有一个多变量概率命令。您可以在此处查看所需数据结构的示例：

https://stats.stackexchange.com/questions/28776/multinomial-probit-for-varying-choice-set