我正在使用R中的包ordinal对依赖变量运行序数逻辑回归，该变量基于1 - 5的Likert量表，并试图找出如何测试比例赔率假设。
我当前的模型是y ~ x1 + x2 + x3 + x4 + x2*x3 + (1|ID) + (1|form)，其中x1和x2是二分的，x3和x4是连续变量。 （92个科目，4种形式）。
据我所知，
- 在最新版本的clmm中未实现“名义”
-clmm2（旧版本）不接受多个随机变量
-nominal_test（）似乎只适用于clm2（根本没有随机效应）
对于不同的dv（只有一个随机词而没有交互），我曾使用过：
m1 <- clmm2 (y ~ x1 + x2 + x3, random = ID, Hess = TRUE, data = d
m1.nom <- clmm2 (y ~ x1 + x2, random = ID, Hess = TRUE, nominal = ~x3, data = d)
m2.nom <- clmm2 (y ~ x2+ x3, random = ID, Hess = TRUE, nominal = ~ x1, data = d)
m3.nom <- clmm2 (y ~ x1+ x3, random = ID, Hess = TRUE, nominal = ~ x2, data = d)
anova (m1.nom, m1)
anova (m2.nom, m1)
anova (m3.nom, m1) # (as well as considering the output in summary (m#.nom)
但我不确定如何修改这种方法来处理当前模型（2个随机项和固定效应的相互作用），我也不确定这实际上是一种正确的方法来测试比例赔率假设第一名。 （包教程中的示例只有2个固定效果。）
我对其他方法（可能是其他软件包，软件或图形方法）持开放态度，让我对此进行测试。有什么建议吗？
答案 0 :(得分：0)
即使在最基本的序数逻辑回归模型的情况下，已知比例赔率假设的诊断测试经常拒绝零假设，即系数在有序因子的水平上是相同的。统计学家Frank Harrell suggests here是检查比例赔率假设的一般图形方法，这可能是你最好的选择。在这种方法中，您只需为每个结果级别的logit模型（具有随机效应）绘制线性预测，并一次绘制一个预测变量。