Cálculo de ICC para regresión logística de efectos aleatorios

Estoy ejecutando un modelo de regresión logística en la forma:

lmer(response~1+(1|site), family=binomial, REML = FALSE)

Normalmente calcularía el ICC a partir de la intercepción y las variaciones residuales, pero el resumen del modelo no incluye la variación residual. ¿Cómo calculo esto?

logistic lme4-nlme glmm Megan
fuente

¿Por qué estás calculando el ICC?

AdamO

Para probar la suposición de que la regresión logística ordinaria no es válida para estos datos, como evidencia de que debería estar usando GLMM. Encontré una ecuación: ICClogit = interceptar varianza ^ 2 / (interceptar varianza ^ 2 + pi ^ 2/3). ¿Esto parece razonable?

Megan

Estás utilizando el enfoque completo de máxima verosimilitud. ¿No puede hacer una prueba de razón de probabilidad con 1 grado de libertad contra el modelo de efectos fijos?

AdamO

(15 / 16)^{2} π^{2} / 3

$(15/16)^2\pi^2/3$

π^{2} / 3

$\pi^2/3$

@Megan: Lo es intercept_variance / (intercept_variance + pi^2/3), así que no cuadre la varianza.

Wolfgang

Respuestas:

Puede utilizar la icc()función desde el paquete sjstats .

En el archivo de ayuda ?sjstats::iccencontrará una referencia a la fórmula para modelos mixtos con respuesta binaria:

Wu S, Crespi CM, Wong WK. 2012. Comparación de métodos para estimar el coeficiente de correlación intraclase para respuestas binarias en ensayos aleatorios grupales de prevención del cáncer. Contempory Clinical Trials 33: 869-880 (doi: 10.1016 / j.cct.2012.05.004)

La desviación residual en la regresión logística se fija en (pi ^ 2) / 3.

Daniel
fuente

¿Tiene una referencia para esta fórmula?

Jeanine

¿Te refieres a mí? ¿No fue tu comentario inicialmente en la publicación de OP?

Daniel

@ Jeanine- Citación de ICC: Moineddin, R., Matheson, FI y Glazier, RH (2007). Un estudio de simulación del tamaño de la muestra para modelos de regresión logística multinivel. BMC Medical Research Methodology, 7, 34. doi.org/10.1186/1471-2288-7-34

refunfuña el