如何在混合效应逻辑模型中用 rcs 项预测 ln(odds)？

Question

我正在使用“lme4”包来拟合混合效应非线性逻辑模型来访问 Y 和 X 的关联。由于我的数据的响应变量是二进制的，而 nlmer 函数要求响应变量是连续的，所以我使用glmer 函数和“rms”包函数 rcs 来拟合模型并可视化非线性关联，如下面的 R 代码：

library(lme4)
library(rms)
m <- glmer(r2 ~ rcs(Anger, 5) + Gender + situ + btype + (1 | id), 
           data = VerbAgg, family = binomial("logit"),
           control=glmerControl(optimizer="bobyqa"))
p <- predict(m, newdata = VerbAgg, type = "link")
scatter.smooth(VerbAgg$Anger,p,pch='.',col="blue",lpars=list(type="l",col="red"))

我对使用此代码有一些疑问：

代码是否正确？
如何预测r2的ln(Odds)？是“p <- predict(m, newdata = VerbAgg，类型 = "link")" ?
如何可视化r2和Anger的ln(Odds)样条曲线？是吗正确使用“scatter.smooth”函数绘制并添加平滑散点曲线？
如何获得此模型的 P 非线性？

Answer 1

看起来很合理。
是的。只需 predict(m) 就可以为您提供每次观察的预测对数几率（因为 predict 默认使用原始数据，并且 type = "link" 也是默认值）。（但更明确一点也无妨。）
您可以构建一个数据框，该数据框具有非焦点预测变量的基线值并且 Anger 跨越适当的值范围，然后将其用作 newdata predict 称呼。或者您可以使用 emmeans 或 effects 包，它们都试图为您自动执行此过程。

这对我有用（ns 的自然样条似乎与 lme4 的集成比 rcs 更好）

library(lme4)
library(effects)
m <- glmer(r2 ~ splines::ns(Anger, df = 5) + Gender + situ + btype + (1 | id), 
           data = VerbAgg, family = binomial("logit"),
           control=glmerControl(optimizer="bobyqa"))
plot(Effect("Anger", m)

您可以使用 car::Anova() 或通过模型比较（似然比检验）对样条项进行显着性检验：

m0 <- update(m, r2 ~ Gender + situ + btype + (1 | id))
anova(m, m0)

如何在混合效应逻辑模型中用 rcs 项预测 ln(odds)？

How to predict ln(odds) with rcs term in mixed effects logistic model?

r

logistic-regression

lme4

mixed-models

spline