R数据分析：二分类因变量的混合效应，多水平logistics模型介绍

今天给大家写广义混合效应模型Generalised Linear Random Intercept Model的第一部分 ，混合效应logistics回归模型，这个和线性混合效应模型一样也有好几个叫法：
Mixed Effects Logistic Regression is sometimes also called Repeated Measures Logistic Regression, Multilevel Logistic Regression and Multilevel Binary Logistic Regression .
之后如果你遇到重复测量logistics回归，多水平logistics回归，你就应该知道他们都是指的是混合效应logistics回归模型这一个东西。

模型介绍

重复测量和嵌套数据是科研中很常见的，此时需要考虑多水平模型来更好地分解变异，因变量是二分类变量的时候我们会用logistics回归，多水平模型和logistics模型两个一结合就是非常经典的广义线性混合模型之一-----------多水平logistics回归。
就是这么简单。
为了更好地帮助大家理解，我们先回顾一下混合效应的一般写法，以随机截距为例子，当我们的因变量是连续的，此时我们可以做混合效应模型，比如我们的随机截距混合效应模型就是如下，其中uj就叫做随机截距（去翻翻之前的文章哈）：
再扩展一下，当我们的因变量Y不是正态分布的时候，我们就有广义线性随机效应模型如下：
多了一个链接函数link funtion，其余都一样的。这个链接函数可以是logit，可以是probit等等。
那么具体到因变量是二分类的时候我们就要用logit链接函数了。
此时我们的混合logistics模型的图示如下：
左上角就是大家都知道的logistics回归模型，右上角是随机截距logistics模型，左下角是随机斜率logistics回归模型，右下角就是既有随机截距又有随机斜率的logistics模型啦，和之前给大家写的线性混合模型一模一样的。
然后对于这么一个随机截距模型，我们有固定效应部分的系数如下表：
其中β0就是截距，是x取0的时候y取1的log-odds（看不明白log-odds的同学去瞅瞅logistics机器学习的文章哈），β1是在控制了其余变量的情况下x每增长一个单位，log-odds的增长量；我们要报告的expβ1，这个就是odds ratio，就是论文中常见的风险相对于参考组增加多少多少倍的意思。
我们还有随机效应部分的系数：
此部分就体现出来整个模型的变异分解，Uj就是组（嵌套的高水平）j对log-odds的作用，这就体现了嵌套数据的影响。这个uj也是服从正态分布的，标准差σ就是组水平上的效应扰动。

模型设定

在R语言中具体的随机效应的设定，请大家参考下表（建议大家收藏起来，自己试试哈）：
依然是给大家写一个例子：

实例解析

首先还是先介绍一下手上的数据，一个医院不同医生接诊的肺癌患者的数据库，很明显我们知道，病人是嵌套在医生水平的，我现在感兴趣病人病情恢复情况remission的相关因素，包括病人的特征和医生的特征：
数据大概长这样：
超级简单的一个示例数据哈，其中DID是医生编号，Experience是医生的经验，我现在简单的认为，医生经验和病人病情都会对恢复结局产生影响，我就想跑跑回归看看结果，考虑到数据的嵌套特性我得使用多水平模型，remission是一个二分类变量，于是我们得考虑用多水平的logistics模型。
拟合模型的代码如下：
m_ri <- glmer(remission ~ CancerStage * Experience +
(1 | DID), data = d, family = binomial, control = glmerControl(optimizer = "bobyqa"))
我们用到的函数是glmer，这个是专门的广义线性混合模型的拟合函数，其参数一般形式如下：
在使用该函数的时候，我需要在formula参数中设定模型的固定效应和随机效应，family参数用来设定模型链接函数的分布族，control参数用来设定模型优化器，nAGQ越大模型拟合越慢同时也越精确。
运行我们刚刚的代码输出结果如下图：
看固定效应的系数：Experience的系数是正的0.09，内在的意思就是提示我们看病的时候还是得去找老大夫。哈哈哈。
其实这个模型还是有交互项的，就是相同的病情在不同经验的大夫手上结果会不会有差异，看图：
plot_model(m_ri, type = "int")
我们的分析结果再一次应证了得肺癌了应该去看经验丰富的老大夫才好。
模型的输出结果中是有拟合优度指标的：
比如有同学好奇，这个数据我就用普通的logistics回归，它的结果和多水平logistics回归到底差异有多大？
好的，我们来把两个结果放一起看看：
m2 <- glm(remission ~ CancerStage * Experience, data = d, family = binomial)
从输出结果看，两个模型对系数的结论似乎都是一致的，但是，一定注意R方，多水平模型的R方是普通logistics回归的2倍，模型的AIC也小很多；ICC这个是看有没有嵌套的指标，此例中icc达到了快0.5，也提示组内相关很大，我们有必要考虑数据的嵌套特性。
上面的优势就导致多水平logistics回归的系数估计一定是比普通回归更为准确的。
当然，你还可以进行模型间的Likelihood ratio test似然比检验：
anova(m_ri, m2)
模型比较的结果也显示多水平模型是显著地优于普通logistics回归模型的。
以上就是多水平logistics模型的做法。上面的例子中我只跑了随机截距模型，大家可以用同样的设定自己跑跑随机斜率模型，然后进行模型比较，练练手。

小结

赞 (0)

相关推荐