作为CLMM输出的一部分,我试图找到最佳方法来估计比值比的置信区间。我正在R中工作,我的模型如下所示:
model <- clmm(Rating ~ Problem+Condition+(1|Subject), data = data, Hess=TRUE, nAGQ=10)
> summary(model)
Cumulative Link Mixed Model fitted with the adaptive Gauss-Hermite
quadrature approximation with 10 quadrature points
formula: Rating ~ Problem + Condition + (1 | Subject)
data: data
link threshold nobs logLik AIC niter max.grad cond.H
logit flexible 1106 -1114.39 2244.79 545(1638) 1.57e-03 3.1e+01
Random effects:
Groups Name Variance Std.Dev.
Subject (Intercept) 0.3296 0.5741
Number of groups: Subject 96
Coefficients:
Estimate Std. Error z value Pr(>|z|)
Problem1 -0.9696 0.1814 -5.345 9.03e-08 ***
Problem2 0.7001 0.1715 4.083 4.45e-05 ***
Problem3 -0.1745 0.1711 -1.020 0.3078
Condition1 0.3057 0.1440 2.124 0.0037 **
Condition2 0.1103 0.1427 0.773 0.4396
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
我知道参数估计的比值比仅为exp(β)。有没有一种方法可以计算比值比的置信区间?开放其他方式来表达这些影响的程度?谢谢!
答案 0 :(得分:1)
只需要做类似的事情,这是我的解决方案:
使用 clmm 获取拟合模型的 95% CI(在下面的示例中:“models.OrdinalMixed_1”)
CI_tables.OrdinalMixed_1 <- confint(models.OrdinalMixed_1, level = 0.95)
然后您可以像系数一样对 95% CI 取幂”:
exp(CI_tables.OrdinalMixed_1)
您可以通过手动计算 CI 来确认(以“问题 2”的系数为例):
为您的 OR 取系数:
exp(0.7001)
[1] 2.013954
通过对系数取幂 + 1.96 * 项的标准误差来计算上 CI(这是一个近似值!)
exp(0.7001 + (1.96*0.1715))
[1] 2.818599
应该与上面 OR CI 表中的结果非常相似。 希望这会有所帮助。