拟合序数逻辑混合效应模型

Question

如何在 R 中拟合序数（3 个级别）逻辑混合效应模型？我想它就像一个 glmer，除了三个结果级别之外。

数据结构

patientid    Viral_load     Adherence     audit_score     visit
1520         0              optimal       nonhazardous       1
1520         0              optimal       nonhazardous       2
1520         0              optimal       hazardous          3
1526         1              suboptimal    hazardous          1
1526         0              optimal       hazardous          2
1526         0              optimal       hazardous          3
1568         2              suboptimal    hazardous          1
1568         2              suboptimal    nonhazardous       2
1568         2              suboptimal    nonhazardous       3

其中病毒载量（感兴趣的结果）由三个级别（0、1、2）组成，依从性 - 最佳/次优、审核评分无危险/危险以及 3 次就诊。

这是使用广义混合效果模型代码的模型外观的示例。

library (lme4)
test <- glmer(viral_load ~ audit_score + adherence + (1|patientid) + (1|visit), data = df,family = binomial)
summary (test)

此代码的结果不正确，因为它采用病毒加载二项式结果。

我希望我的问题很清楚。

Answer 1

您可以尝试ordinalpackage\xe2\x80\x99sclmm函数：

\n

 fmm1 <- clmm(rating ~ temp + contact + (1|judge), data = wine) \n\nsummary(fmm1)   \nCumulative Link Mixed Model fitted with the Laplace approximation\n\nformula: rating ~ temp + contact + (1 | judge)\ndata:    wine\n\n link  threshold nobs logLik AIC    niter    max.grad cond.H \n logit flexible  72   -81.57 177.13 332(999) 1.02e-05 2.8e+01\n\nRandom effects:\n Groups Name        Variance Std.Dev.\n judge  (Intercept) 1.279    1.131   \nNumber of groups:  judge 9 \n\nCoefficients:\n           Estimate Std. Error z value Pr(>|z|)    \ntempwarm     3.0630     0.5954   5.145 2.68e-07 ***\ncontactyes   1.8349     0.5125   3.580 0.000344 ***\n---\nSignif. codes:  0 \xe2\x80\x98***\xe2\x80\x99 0.001 \xe2\x80\x98**\xe2\x80\x99 0.01 \xe2\x80\x98*\xe2\x80\x99 0.05 \xe2\x80\x98.\xe2\x80\x99 0.1 \xe2\x80\x98 \xe2\x80\x99 1\n\nThreshold coefficients:\n    Estimate Std. Error z value\n1|2  -1.6237     0.6824  -2.379\n2|3   1.5134     0.6038   2.507\n3|4   4.2285     0.8090   5.227\n4|5   6.0888     0.9725   6.261\n

\n

我非常确定该链接是逻辑的，因为使用更灵活的 clmm2 函数运行相同的模型，其中默认链接被记录为逻辑的，我得到了相同的结果。

\n

我怀疑您可以将 LHS 保留为整数，并仅使用 即可获得可解释的结果glmer。我知道当使用线性回归机制时，该策略可以作为趋势 \xe2\x80\x9d 的 \xe2\x80\x9c 线性测试。您将无法估计每个增量的单独对数优势比。

\n