请考虑以下内容:
在使用geepack
拟合GEE时,我们收到一个模型,我们可以predict
使用新值,但是基数R不支持GEE模型来计算置信区间。要获得置信区间,我们可以使用emmeans::emmeans()
。
如果模型中的变量是连续且连续的,则会遇到问题。
用emmeans::emmeans()
估计边际均值时,我发现边际均值是根据总体数据而不是每组数据计算的。
问题:如何从R中的GEE模型获得每组的估计均值,包括置信区间?
最小的可复制示例:
数据
library("dplyr")
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
library("emmeans")
#> Warning: package 'emmeans' was built under R version 3.5.2
library("geepack")
# Adding a grouping variable
pigs.group <- emmeans::pigs %>% mutate(group = c(rep("a", 20), rep("b", 9)))
拟合模型
# Fitting the model
fit <- geepack::geeglm(conc ~ as.numeric(percent) + factor(group),
id = source, data = pigs.group)
# Model results
fit
#>
#> Call:
#> geepack::geeglm(formula = conc ~ as.numeric(percent) + factor(group),
#> data = pigs.group, id = source)
#>
#> Coefficients:
#> (Intercept) as.numeric(percent) factor(group)b
#> 20.498948 1.049322 10.703857
#>
#> Degrees of Freedom: 29 Total (i.e. Null); 26 Residual
#>
#> Scale Link: identity
#> Estimated Scale Parameters: [1] 36.67949
#>
#> Correlation: Structure = independence
#> Number of clusters: 3 Maximum cluster size: 10
使用emmeans::emmeans()
计算边际均值和LCL / UCL。但是,percent
的组均值在两个组中均为12.9。这是percent
的总体观察平均值,而不是组平均值。
# Calculating marginal means per group.
# Note that 'percent' is the same for both groups
emmeans::emmeans(fit, "percent", by = "group")
#> group = a:
#> percent emmean SE df asymp.LCL asymp.UCL
#> 12.9 34.1 3.252 Inf 27.7 40.4
#>
#> group = b:
#> percent emmean SE df asymp.LCL asymp.UCL
#> 12.9 44.8 0.327 Inf 44.1 45.4
#>
#> Covariance estimate used: vbeta
#> Confidence level used: 0.95
# Creating new data with acutal means per group
new.dat <- pigs.group %>%
group_by(group) %>%
summarise(percent = mean(percent))
# These are the actual group means
new.dat
#> # A tibble: 2 x 2
#> group percent
#> <chr> <dbl>
#> 1 a 13.2
#> 2 b 12.3
使用predict
进行预测还可以返回每组其他估计的均值,但是无法估计基R中GEE的置信区间。
# Prediction with new data
# These should be the marginal means but how to get the confidence interval?
predict(fit, newdata = new.dat)
#> 1 2
#> 34.35000 44.14444
由reprex package(v0.2.1)于2019-02-08创建
答案 0 :(得分:2)
您认为这是一个计算问题,事实证明这是一个统计问题...
在模型中有协变量时,事后分析中常用的方法是控制这些协变量的。在给出的示例中,我们想比较不同组中的平均响应。但是,响应也受协变量percent
的影响,并且每个组的平均百分比不同。如果我们仅计算每个组的边际均值,则这些均值的不同部分是由于percent
的影响。
在一个极端的例子中,想象一下这样一个情况:该组没有任何区别,而percent
却没有任何区别。然后,如果各组之间的平均值percent
值之间的差异足够大,那么我们可以采用统计学上不同的平均值,但是它们的差异是由于percent
的影响,而不是因为group
的影响
由于这个原因,通过以相同百分比(即数据集中的总体平均百分比)预测均值来获得“公平”比较。这是方法中使用的默认方法,其结果称为调整后的平均值(在设计教科书中查找)。
在某些情况下,使用不同的百分比值是适当的,这就是百分比是“中介变量”的情况;也就是说,百分比落在治疗与反应之间的因果关系中,因此group
被认为会影响percent
和反应。参见vignette on messy data, in the subsection on mediating covariates。
如果您真的认为percent
是中介协变量,则可以这样获得单独的百分比:
emmeans(model, "group", cov.reduce = percent ~ group)
但是,在percent
被认为独立于group
的情况下,请勿这样做!