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?
答案 0 :(得分:3)
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