Question

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！

Answer 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。

CLMM / CLMM2（R）中优势比的置信区间

1 个答案: