r - glmer 中多项混合效应模型的估计

Question

我已经对患者的疾病筛查模式(每年、每两年或其他)进行了分类，现在希望根据该模式回归患者人口统计数据，同时调整初级保健提供者 (PCP) 的特征。我很确定这需要多项混合效应模型。

我的响应变量“Pattern”是一个具有 3 个无序因子的字符变量，我的分组变量是“PCP”，即 PCP 的 ID。这是一个简化的可重现示例:

df<-data.frame("ID"=seq(1:20),
               "PCP"=rep((seq(1:10)*100),2),
               "Pattern"=rep(c("Annual","Biennial","Biennial","Annual","Else"),4),
               "Age"=runif(20,50,70))

df$PCP<-as.factor(as.character(df$PCP))

当我运行我认为回归应该是的内容时，我得到以下结果:

mod1<-glmer(Pattern~Age + (1|PCP), data=df)

Error in mkRespMod(fr, REML = REMLpass) : response must be numeric
In addition: Warning message:
In glmer(Pattern ~ Age + (1 | PCP), data = df) :
  calling glmer() with family=gaussian (identity link) as a shortcut to lmer() is deprecated; please call lmer() directly

任何故障排除方面的帮助将不胜感激。

Answer 1

从错误消息中，我可以看到您的代码正在尝试使用 family = gaussian 拟合线性混合效应模型。在这种情况下，因变量必须是数字，但您的Pattern变量是因子。为了适应二元(不是多项)混合效应模型，您可能需要定义family:

library(lme4)                               
mod1<-glmer(Pattern~Age + (1|PCP), data=df, family = binomial)
summary(mod1)

正如 @user20650 所指出的，glmer 和 family = binomial 将结果变量转换为二进制。我无法使用 glmer 找到解决方案，但其他几个包可能会有所帮助，例如 nnet::multinom() 和 mlogit::mlogit().

mod1 <-nnet::multinom(Pattern ~ Age, data=df)
broom::tidy(mod1)

> broom::tidy(mod1)
# A tibble: 4 x 6
  y.level  term         estimate std.error statistic p.value
  <chr>    <chr>           <dbl>     <dbl>     <dbl>   <dbl>
1 Biennial (Intercept) 0.0000124     6.70     -1.69   0.0916
2 Biennial Age         1.21          0.113     1.69   0.0901
3 Else     (Intercept) 0.000800      7.36     -0.968  0.333 
4 Else     Age         1.12          0.125     0.884  0.377