Test de Brant en R [fermé]

En testant l'hypothèse de régression parallèle dans la régression logistique ordinale, je trouve qu'il existe plusieurs approches. J'ai utilisé à la fois l'approche graphique (comme détaillé dans le livre de Harrell) et l'approche détaillée en utilisant le paquet ordinal dans R.

Cependant, je voudrais également exécuter le test de Brant (de Stata) pour les variables individuelles et également pour le modèle total. J'ai regardé autour de moi mais je ne le trouve pas implémenté dans R.

Existe-t-il une implémentation du test Brant dans R?

J'ai implémenté le test brant dans R. Le package et la fonction s'appellent brant et sont maintenant disponibles sur CRAN.

Le test de Brant a été défini par Rollin Brant pour tester l'hypothèse de régression parallèle (Brant, R. (1990) Évaluation de la proportionnalité dans le modèle de cotes proportionnelles pour la régression logistique ordinale. Biometrics , 46 , 1171–1178).

Voici un exemple de code:

data = MASS::survey
data$Smoke = ordered(MASS::survey$Smoke, levels=c("Never","Occas","Regul","Heavy"))
model1 = MASS::polr(Smoke ~ Sex + Height, data=data, Hess=TRUE)
brant(model1)

Dans l'exemple, l'hypothèse de régression parallèle est vraie, car toutes les valeurs de p sont supérieures à 0,05. L'Omnibus est pour l'ensemble du modèle, le reste pour les coefficients individuels.

Oui - en fait, le paquet ordinal que vous avez lié peut le faire (bien qu'ils ne l'appellent pas le test Brant). Jetez un œil aux pages 6 et 7 de votre lien, qui démontrent "un test de rapport de vraisemblance des pentes égales ou de l'hypothèse de cotes proportionnelles", ce qui est exactement ce que vous recherchez.

Quelques notes sur le sujet

Le package R VGAMdans leCumulative commande (Régression ordinale avec probabilités cumulées) permet de modifier les hypothèses de cotes proportionnelles, avec l'option parallel=FALSE.

Il est connu qu'il s'agit d'un problème courant (tiré de l'ouvrage: Modèles de régression pour les variables dépendantes catégorielles utilisant Stata, deuxième édition, par J. Scott Long, Jeremy Freese)

"Une mise en garde concernant l'hypothèse de régression parallèle: Nous constatons que l'hypothèse de régression parallèle (ARP) est fréquemment violée. Lorsque cela est rejeté, des modèles alternatifs qui n'imposent pas la contrainte des régressions parallèles doivent être envisagés. La violation de l'ARP n'est pas une justification pour en utilisant la régression OLS car les hypothèses impliquées par l'application du LRM aux données ordinales sont encore plus fortes. Les modèles alternatifs qui peuvent être envisagés comprennent des modèles pour les résultats nominaux [...] Modèle stéréotypé logistique ou modèle stéréotypé ordonné; le modèle Logit ordonné généralisé; le modèle de rapport de continuation, sont des alternatives "(page 221)

Cet article va en profondeur dans ce sujet, étant clair et bien écrit, mais il ne considère pas le paquet VGAM ou la commande "cumulative": Régression logistique ordinale dans les études épidémiologiques

Ce didacticiel sur la régression logistique ordinale dans R couvre le test de l'hypothèse de cotes proportionnelles.