Calcul de l'ICC pour la régression logistique à effets aléatoires

J'utilise un modèle de régression logistique sous la forme:

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

Normalement, je calculerais l'ICC à partir des variances d'interception et résiduelles, mais le résumé du modèle n'inclut pas la variance résiduelle. Comment puis-je calculer cela?

logistic lme4-nlme glmm

— Megan
source

Pourquoi calculez-vous l'ICC?

— AdamO

Afin de tester l'hypothèse selon laquelle la régression logistique ordinaire n'est pas valide pour ces données, comme preuve que je devrais utiliser GLMM. J'ai trouvé une équation: ICClogit = variance d'interception ^ 2 / (variance d'interception ^ 2 + pi ^ 2/3). Cela vous semble-t-il raisonnable?

— Megan

Vous utilisez l'approche complète du maximum de vraisemblance. Ne pouvez-vous pas faire un test de rapport de vraisemblance avec 1 degré de liberté par rapport au modèle à effets fixes?

— AdamO

(15 / 16)^{2} π^{2} / 3

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

π^{2} / 3

$\pi^2/3$

@Megan: C'est intercept_variance / (intercept_variance + pi^2/3)- alors ne quadrillez pas la variance.

— Wolfgang

Vous pouvez utiliser icc()la fonction-du paquet sjstats .

Dans le fichier d'aide, ?sjstats::iccvous trouverez une référence à la formule pour les modèles mixtes avec réponse binaire:

Wu S, Crespi CM, Wong WK. 2012. Comparaison des méthodes d'estimation du coefficient de corrélation intraclasse pour les réponses binaires dans les essais randomisés en grappes de prévention du cancer. Essais cliniques contemporains 33: 869-880 (doi: 10.1016 / j.cct.2012.05.004)

La déviance résiduelle dans la régression logistique est fixée à (pi ^ 2) / 3.

— Daniel
source

Avez-vous une référence pour cette formule?

— Jeanine

Tu veux dire moi? Votre commentaire n'était-il pas initialement au poste OP?

— Daniel

@ Jeanine - Citation ICC: Moineddin, R., Matheson, FI et Glazier, RH (2007). Une étude de simulation de la taille de l'échantillon pour les modèles de régression logistique à plusieurs niveaux. BMC Medical Research Methodology, 7, 34. doi.org/10.1186/1471-2288-7-34

— grogne le