タグ付けされた質問 「polr」

私の研究では、いくつかのメトリックでワークロードを測定します。心拍変動（HRV）、皮膚電気活動（EDA）および主観的尺度（IWS）を使用。正規化後、IWSには3つの値があります。 ワークロードが通常よりも低い ワークロードは平均です ワークロードが通常よりも高くなっています。 生理学的測定が主観的な作業負荷をどれだけうまく予測できるかを見たい。 したがって、比率データを使用して順序値を予測したいと思います。によると：数値/カテゴリ値の両方でRで順序ロジスティック回帰分析を実行するにはどうすればよいですか？これは、MASS:polr関数を使用して簡単に実行できます。 ただし、被験者間差、性別、喫煙などのランダム効果も考慮したいと思います。このチュートリアルを見て、にランダム効果を追加する方法がわかりませんMASS:polr。代わりにlme4:glmerオプションがありますが、この関数はバイナリデータの予測のみを許可します。 順序ロジスティック回帰にランダム効果を追加することは可能ですか？

16 r  logistic  lme4-nlme  ordered-logit  polr 

MASSパッケージの 'polr'関数を使用して、15の連続的な説明変数を持つ順序カテゴリカル応答変数の順序ロジスティック回帰を実行しました。 コード（以下に表示）を使用して、モデルがUCLAのガイドで提供されているアドバイスに従ってプロポーショナルオッズの仮定を満たしていることを確認しました。ただし、さまざまなカットポイントの係数が類似しているだけでなく、まったく同じであることを示す出力について少し心配しています（下の図を参照）。 FGV1b <- data.frame(FG1_val_cat=factor(FGV1b[,"FG1_val_cat"]), scale(FGV1[,c("X","Y","Slope","Ele","Aspect","Prox_to_for_FG", "Prox_to_for_mL", "Prox_to_nat_border", "Prox_to_village", "Prox_to_roads", "Prox_to_rivers", "Prox_to_waterFG", "Prox_to_watermL", "Prox_to_core", "Prox_to_NR", "PCA1", "PCA2", "PCA3")])) b <- polr(FG1_val_cat ~ X + Y + Slope + Ele + Aspect + Prox_to_for_FG + Prox_to_for_mL + Prox_to_nat_border + Prox_to_village + Prox_to_roads + Prox_to_rivers + Prox_to_waterFG + Prox_to_watermL + Prox_to_core …

9 r  logistic  assumptions  ordered-logit  polr