Calcolo dell'ICC per la regressione logistica ad effetti casuali

Sto eseguendo un modello di regressione logistica nel modulo:

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

Normalmente calcolerei l'ICC dall'intercettazione e dalle varianze residue, ma il riepilogo del modello non include la varianza residua. Come posso calcolarlo?

logistic lme4-nlme glmm

— Megan
fonte

Perché stai calcolando l'ICC?

— AdamO,

Al fine di testare l'assunto che la regressione logistica ordinaria non è valida per questi dati, come prova che dovrei usare GLMM. Ho trovato un'equazione: ICClogit = interccept variance ^ 2 / (interccept variance ^ 2 + pi ^ 2/3). Sembra ragionevole?

— Megan,

Stai utilizzando l'approccio di massima verosimiglianza. Non puoi fare un test del rapporto di verosimiglianza con 1 grado di libertà rispetto al modello a effetti fissi?

— AdamO,

(15 / 16)^{2} π^{2} / 3

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

π^{2} / 3

$\pi^2/3$

@Megan: Lo è intercept_variance / (intercept_variance + pi^2/3)- quindi non quadrare la varianza.

— Wolfgang,

Puoi usare la funzione icc()dal pacchetto sjstats .

Nel file della guida ?sjstats::icctrovi un riferimento alla formula per modelli misti con risposta binaria:

Wu S, Crespi CM, Wong WK. 2012. Confronto di metodi per stimare il coefficiente di correlazione intraclasse per le risposte binarie in studi randomizzati su cluster di prevenzione del cancro. Prove cliniche contemporanee 33: 869-880 (doi: 10.1016 / j.cct.2012.05.004)

La devianza residua nella regressione logistica è fissata a (pi ^ 2) / 3.

— Daniel
fonte

Hai un riferimento per questa formula?

— Jeanine,

Intendi me? Il tuo commento non è stato inizialmente pubblicato su OP?

— Daniel,

@ Jeanine- Citazione ICC: Moineddin, R., Matheson, FI, & Glazier, RH (2007). Uno studio di simulazione delle dimensioni del campione per i modelli di regressione logistica multilivello. BMC Medical Research Methodology, 7, 34. doi.org/10.1186/1471-2288-7-34

— brontola il