Question

我制作了一个模型，该模型着眼于许多变量及其对妊娠结局的影响。结果是分组二进制。一群动物将有34个怀孕和3个空，接下来将有20个怀孕和4个空等等。

我使用glmer函数对此数据建模，其中y是妊娠结果（怀孕或空白）。

mclus5 <- glmer(y~adg + breed + bw_start + year + (1|farm),
                data=dat, family=binomial)

我得到所有通常的系数等输出但是对于解释我想将其转换为每个系数的优势比和置信区间。

在过去的逻辑回归模型中，我使用了以下代码

round(exp(cbind(OR=coef(mclus5),confint(mclus5))),3)

这将很好地提供我想要的东西，但它似乎不适用于我运行的模型。

有没有人知道我可以通过R获得此模型输出的方式？

Answer 1

唯一真正的区别在于您必须使用fixef()而不是coef()来提取固定效果系数（coef()为您提供每个组的估算系数 < / em>的）。

我将使用lme4包中的内置示例进行说明。

library("lme4") gm1 <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd), data = cbpp, family = binomial)

固定效应系数和置信区间，对数范围比例：

cc <- confint(gm1,parm="beta_") ## slow (~ 11 seconds) ctab <- cbind(est=fixef(gm1),cc)

（如果你想要更快但更准确的Wald置信区间，你可以使用confint(gm1,parm="beta_",method="Wald")代替;这相当于@ Gorka的答案，但稍微更方便。）

获得优势比率的指数：

rtab <- exp(ctab) print(rtab,digits=3) ## est 2.5 % 97.5 % ## (Intercept) 0.247 0.149 0.388 ## period2 0.371 0.199 0.665 ## period3 0.324 0.165 0.600 ## period4 0.206 0.082 0.449

稍微简单/更通用的解决方案：

library(broom.mixed) tidy(gm1,conf.int=TRUE,exponentiate=TRUE,effects="fixed")

用于Wald间隔，或为个人资料置信区间添加conf.method="profile"。

Answer 2

我相信还有另一种更快的方法（如果你的结果不太准确）。

来自：http://www.ats.ucla.edu/stat/r/dae/melogit.htm

首先我们得到估算值的置信区间

se <- sqrt(diag(vcov(mclus5)))
# table of estimates with 95% CI
tab <- cbind(Est = fixef(mclus5), LL = fixef(mclus5) - 1.96 * se, UL = fixef(mclus5) + 1.96 * se)

然后比值比为95％CI

print(exp(tab), digits=3)

Answer 3

我认为其他选项只是使用包emmeans：

library(emmeans)
data.frame(confint(pairs(emmeans(fit, ~ factor_name,type="response"))))

来自glmer输出的优势比和置信区间

3 个答案: