Question

我正在尝试根据R中的二项Logistic回归确定预测概率的置信区间。使用lrm（来自包rms）估算模型，以便对调查受访者进行聚类标准误差（每位受访者在数据中最多出现3次）：

library(rms)
model1<-lrm(outcome~var1+var2+var3,data=mydata,x=T,y=T,se.fit=T)
model.rob<-robcov(model1,cluster=respondent.id)

我能够使用predict.lrm估算结果的预测概率：

predicted.prob<-predict(model.rob,newdata=data.frame(var1=1,var2=.33,var3=.5),
type="fitted")

我想要确定的是这个预测概率的95％置信区间。我已尝试指定se.fit=T，但在predict.lrm type=fitted时{}}}中不允许这样做。

我花了最近几个小时在互联网上搜索如何使用lrm来做这件事（显然）无济于事。有人能指出我确定这个置信区间的方法吗？或者，如果使用lrm模型是不可能或困难的，是否有另一种方法来估计具有聚类标准误差的logit，以便更容易获得置信区间？

Answer 1

predict.lrm的帮助文件有一个明显的例子。以下是对它的略微修改：

L <- predict(fit, newdata=data.frame(...), se.fit=TRUE)
plogis(with(L, linear.predictors + 1.96*cbind(- se.fit, se.fit)))

对于某些问题，您可能需要使用gendata或Predict功能，例如

L <- predict(fit, gendata(fit, var1=1), se.fit=TRUE)  # leave other vars at median/mode
Predict(fit, var1=1:2, var2=3)   # leave other vars at median/mode; gives CLs

预测概率的置信区间来自predict.lrm

1 个答案: