问题描述
我是一名生物学家，使用 clogit 建模进行栖息地选择研究。我有一个分层数据集，每个层中有 M 个病例（存在）和 M 个对照（不存在）（作为动物的 ID，我的独立单位）。我的结果二分变量（存在）是物种的出现。我正在针对一组环境预测变量（X1、X2、X3 等）对发生概率进行建模。 Compton et al. (2002) 声明 clogit 不处理预测变量的绝对值，而是处理以下结果：案例中的值 减去 配对控制中的值。
问题1：这是对的吗？ （我猜是）
问题2：这将如何应用于我在每个层中有很多个案例和很多个控件的情况？由于 clogit 在层内没有问我任何配对变量，它是否将每个层中的案例和控制配对？实际上，我并不需要将案例和控件严格关联为 1:1，层内的配对对我来说是次要的。对我来说最重要的是隔离层之间的分析，因为我在层之间有一个预测变量 (X3) 的完全不同的值（但不是在层内！每个层的 var(X3) 总是大约为 1）。
其他问题：某些层共享所研究动物的居住地点。 问题3：在分层过程（即使用strata(ID)）中是否考虑了这种影响？如果没有，我该如何解释？ cluster() 函数是一个诱人的选项，但它不会改变预测变量的 Beta 系数，所以我认为我没有让它正常工作。我以为我可以简单地将它添加为预测器，但是 - 如果我这样做 - 它会返回 NA。我想这是因为我有一个 C 级别，其中只有一个层，所以预测变量 C 有点干预了分层变量的工作。
示例代码：
Presence = rep(c(1,0),70)
ID = c(rep("Totti",20),rep("DeRossi",6),rep("Aldair",34),rep("Xavi",rep("Iniesta",rep("figo",40))
# strata differs in total number of case+controls
X1 = rnorm(140,mean = 5)
X2 = rnorm(140,mean = 6)
X3 = c(rnorm(80,mean=10),rnorm(20,mean=-2),rnorm(40,mean=9)) # the 5th stratum (Iniesta) being the one with extreme values
C = c(rep("Roma",60),rep("Barcelona",40),rep("Madrid",40)) # site where the animals belongs
mydata = data.frame(Presence,ID,X1,X2,X3,C)
# each stratum (ID) has the number of cases equal to the number of controls (M:M)
library(survival)
M = clogit(Presence ~ X1 + X2 + X3 + strata(ID),data = mydata,method = "exact") # basic model
M_clust = clogit(Presence ~ X1 + X2 + X3 + strata(ID) + cluster(C),method = "exact")
# giving: "Error: robust variance plus the exact method is not supported"
# so I compare the two using "efron" method
M_efr = clogit(Presence ~ X1 + X2 + X3 + strata(ID),method = "efron")
M_efr_clust = clogit(Presence ~ X1 + X2 + X3 + strata(ID) + cluster(C),method = "efron")
# coeff. among the two models (with and without cluster) don't change
# tring to include C as a predictor
M_c = clogit(Presence ~ X1 + X2 + X3 + C + strata(ID),data = mydata)
# returns NA
非常感谢！！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）