Menghitung ICC untuk regresi logistik efek-acak

Saya menjalankan model regresi logistik dalam bentuk:

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

Biasanya saya akan menghitung ICC dari varian intersep dan residual, tetapi ringkasan model tidak termasuk varians residual. Bagaimana saya menghitung ini?

logistic lme4-nlme glmm

— Megan
sumber

Mengapa Anda menghitung ICC?

— AdamO

Untuk menguji asumsi bahwa regresi logistik biasa tidak valid untuk data ini, sebagai bukti bahwa saya harus menggunakan GLMM. Saya menemukan persamaan: ICClogit = intercept variance ^ 2 / (intercept variance ^ 2 + pi ^ 2/3). Apakah ini masuk akal?

— Megan

Anda menggunakan pendekatan kemungkinan maksimum penuh. Tidak bisakah Anda melakukan tes rasio kemungkinan dengan 1 derajat kebebasan terhadap model efek tetap?

— AdamO

(15 / 16)^{2} π^{2} / 3

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

π^{2} / 3

$\pi^2/3$

@Megan: Ya intercept_variance / (intercept_variance + pi^2/3)- jadi jangan kuadratkan variansnya .

— Wolfgang

Anda dapat menggunakan icc()-fungsi dari sjstats-paket .

Dalam file bantuan ?sjstats::iccAnda menemukan referensi ke rumus untuk model campuran dengan respons biner:

Wu S, Crespi CM, Wong WK. 2012. Perbandingan metode untuk memperkirakan koefisien korelasi intraclass untuk respon biner dalam uji acak kelompok pencegahan kanker. Percobaan Klinis Contempory 33: 869-880 (doi: 10.1016 / j.cct.2012.05.004)

Penyimpangan residual dalam regresi logistik adalah tetap (pi ^ 2) / 3.

— Daniel
sumber

Apakah Anda punya referensi untuk formula ini?

— Jeanine

Apakah Anda bermaksud saya? Bukankah awalnya komentar Anda di posting OP?

— Daniel

@ Jeanine- kutipan ICC: Moineddin, R., Matheson, FI, & Glazier, RH (2007). Sebuah studi simulasi ukuran sampel untuk model regresi logistik bertingkat. Metodologi Penelitian Medis BMC, 7, 34. doi.org/10.1186/1471-2288-7-34

— menggerutu