Bagaimana saya bisa menilai model GEE / logistik cocok ketika kovariat memiliki beberapa data yang hilang?


9

Saya telah memasukkan dua model persamaan estimasi umum (GEE) ke data saya:

1) Model 1: Hasil adalah variabel Ya / Tidak longitudinal (A) (tahun 1,2,3,4,5) dengan prediktor kontinu longitudinal (B) untuk tahun 1,2,3,4,5.

2) Model 2: Hasil adalah variabel Ya / Tidak longitudinal yang sama (A), tetapi sekarang dengan prediktor saya tetap pada nilai tahun 1 yaitu dipaksa menjadi invarian waktu (B).

Karena pengukuran yang hilang dalam prediktor longitudinal saya pada beberapa titik waktu untuk kasus yang berbeda, jumlah titik data dalam model 2 lebih tinggi daripada dalam model 1.

Saya ingin tahu tentang perbandingan apa yang dapat saya buat secara valid antara rasio odds, nilai-p, dan kesesuaian kedua model, misalnya:

  • Jika OR untuk prediktor B lebih besar dalam model 1, dapatkah saya mengatakan secara sah bahwa hubungan antara A dan B lebih kuat dalam model1?

  • Bagaimana saya bisa menilai model mana yang lebih baik untuk data saya. Apakah saya benar dalam berpikir bahwa QIC / AIC pseudo R kuadrat tidak boleh dibandingkan lintas model jika jumlah pengamatan tidak sama?

Bantuan apa pun akan sangat dihargai.


Karena Model 2 tidak benar-benar dianggap "bersarang" dari Model 1, saya tidak tahu seberapa valid menggunakan QIC untuk menilai kecocokan komparatif. Satu pemikiran yang saya miliki adalah menggunakan beberapa teknik imputasi untuk menyamakan jumlah pengamatan, dan kemudian orang dapat membandingkan nilai QIC untuk model-model tersebut. Namun, beberapa literatur, misalnya "Analisis Data Longitudinal Terapan untuk Epidemiologi" oleh Twisk, menunjukkan hasil yang sangat tidak konsisten dengan menggunakan teknik MI pada model yang memiliki variabel respon dikotomi. Saya berharap bisa membantu lebih banyak.
Iris Tsui

1
Mengapa nilainya hilang? Apakah ketiadaannya sistematis dengan cara yang membuat nilai-nilai yang hilang secara fundamental berbeda dari nilai-nilai yang tidak hilang?
Makro

Jawaban:


1

Saya pasti akan mencoba beberapa imputasi (misalnya dengan tikus atau Amelia di R), mungkin dengan beberapa metode alternatif untuk menyalahkan nilai yang hilang.

Dalam skenario terburuk Anda dapat menganggapnya sebagai analisis sensitivitas.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.