我正试图确定R中来自二项logistic回归的预测概率的置信区间。该模型使用lrm
(来自包rms
)进行估计,以允许在调查时将聚类标准误差受访者(每个受访出现最多3次的数据):来自predict.lrm的预测概率的置信区间
library(rms)
model1<-lrm(outcome~var1+var2+var3,data=mydata,x=T,y=T,se.fit=T)
model.rob<-robcov(model1,cluster=respondent.id)
我能够估计使用predict.lrm
结果为预测概率:
predicted.prob<-predict(model.rob,newdata=data.frame(var1=1,var2=.33,var3=.5),
type="fitted")
我想确定的是此预测概率的95%置信区间。我试过指定se.fit=T
,但这在predict.lrm
时不允许type=fitted
。
我花了几个小时在网上搜索如何做到这一点与lrm
无济于事(显然)。任何人都可以指出我确定这个置信区间的方法吗?或者,如果lrm
模型不可能或困难,是否有另一种方法来估计具有聚类标准误差的logit,其中置信区间更容易获得?
在另一个SE网站上关闭更合适。没有数据的例子,这只是一个统计问题。此外,无论如何,弗兰克更有可能在CrossValidated.com上看到它比他在这里更多。 –
我不清楚哪个网站更适合这类问题。问题是关于编程,但肯定涉及stat。 –
@FrankHarrell我正在考虑提供'exp(fit +/- 1.96 * se)/(1+ exp(fit +/- 1.96 * se))'策略,但是在看了'?predict.lrm'后发现有一个你没有提供的原因。我认为或许没有考虑协方差就有问题。正如你所看到的,我没有理解这些例子。我错误地想象到,如果坐在这里,你可能不会马上看到它。 –