Brant Test in R [geschlossen]

14

Beim Testen der Annahme der parallelen Regression in der ordinalen logistischen Regression gibt es verschiedene Ansätze. Ich habe sowohl den grafischen Ansatz verwendet (wie in Harrell's Buch beschrieben) und der Ansatz detailliert die Verwendung von Ordnungs Paket in R.

Ich möchte aber auch den Brant-Test (von Stata) sowohl für die einzelnen Variablen als auch für das Gesamtmodell durchführen. Ich habe mich umgesehen, kann es aber in R nicht finden.

Gibt es eine Implementierung des Brant-Tests in R?

Mischa
quelle
Keine Implementierung bekannt, aber dieser Abschnitt aus J. Scott Longs Buch enthält eine detaillierte Beschreibung der Berechnung des Tests, auf den Sie sich meines Erachtens beziehen.
NRH
Thx - Ich habe mir das Originalpapier und auch die .ado-Datei von stata angesehen. Die erforderliche Programmierung liegt jedoch außerhalb meines Niveaus.
Mischa
Diese Klasse enthält Hinweise zum Thema Mehr zu den Proportional Odds / Parallel Regressions Assumption
Bert Kaempfe

Antworten:

5

Ich habe den Brant-Test in R implementiert. Das Paket und die Funktion heißen Brant und sind jetzt auf CRAN verfügbar.

Der Brant-Test wurde von Rollin Brant definiert, um die Annahme der parallelen Regression zu testen (Brant, R. (1990) Bewertung der Proportionalität im Proportional-Odds-Modell für die ordinale logistische Regression. Biometrics , 46 , 1171–1178).

Hier ist ein Codebeispiel:

data = MASS::survey
data$Smoke = ordered(MASS::survey$Smoke, levels=c("Never","Occas","Regul","Heavy"))
model1 = MASS::polr(Smoke ~ Sex + Height, data=data, Hess=TRUE)
brant(model1)

Im Beispiel gilt die Annahme der parallelen Regression, da alle p-Werte über 0,05 liegen. Der Omnibus gilt für das gesamte Modell, der Rest für die einzelnen Koeffizienten.

Benjamin Schlegel
quelle
2

Ja - tatsächlich kann das von Ihnen verknüpfte Ordinalpaket dies tun (obwohl es nicht als Brant-Test bezeichnet wird). Werfen Sie einen Blick auf die Seiten 6 und 7 Ihres Links, die "einen Wahrscheinlichkeitsverhältnis-Test der Annahme gleicher Steigungen oder proportionaler Gewinnchancen" zeigen, und genau das ist, wonach Sie suchen.

user28508
quelle
Ich habe die Ergebnisse zwischen den beiden Ansätzen verglichen, aber sie sind nicht ähnlich. Ich glaube, der Brant-Test ist eher ein Score-Test.
Mischa
5
Nein, in endlichen Stichproben sind alle diese Ansätze unterschiedlich, obwohl sie asymptotisch gleich sein sollten. Der Brant-Test schätzt eine Annäherung des uneingeschränkten Modells unter Verwendung einer getrennten logistischen Regression und führt dann einen Wald-Test durch. Einen Vergleich der verschiedenen Methoden finden Sie hier
Maarten Buis
2

Einige Anmerkungen zum Thema

Das R-Paket VGAMim CumulativeBefehl (Ordinale Regression mit kumulativen Wahrscheinlichkeiten) ermöglicht es, die Proportionalitätsquoten mit der Option zu ändern parallel=FALSE.

Es ist bekannt, dass es sich um ein häufiges Problem handelt (aus dem Buch: Regressionsmodelle für kategorial abhängige Variablen unter Verwendung von Stata, 2. Auflage, von J. Scott Long, Jeremy Freese).

"Eine Einschränkung in Bezug auf die Annahme der parallelen Regression: Wir stellen fest, dass die Annahme der parallelen Regression (PRA) häufig verletzt wird. Wenn dies abgelehnt wird, sollten alternative Modelle in Betracht gezogen werden, die die Beschränkung der parallelen Regression nicht auferlegen. Eine Verletzung der PRA ist keine Begründung für Verwendung der OLS-Regression, da die durch die Anwendung des LRM auf ordinale Daten implizierten Annahmen noch stärker sind.Alternative Modelle, die in Betracht gezogen werden können, umfassen Modelle für nominale Ergebnisse, [...] das stereotype logistische Modell oder das stereotype geordnete Modell, das generalisierte geordnete Logit-Modell; das Continuation Ratio-Modell, sind Alternativen "(Seite 221)

Dieser Artikel befasst sich ausführlich mit diesem Thema, ist klar und gut geschrieben, berücksichtigt jedoch nicht das VGAM-Paket oder den "kumulativen" Befehl: Ordinale logistische Regression in epidemiologischen Studien

Bert Kaempfe
quelle
1

Dieses Tutorial zur ordinalen logistischen Regression in R behandelt das Testen der Proportionalitätsannahme.

Brian Spiering
quelle