Wie kann ich die Anpassung von GEE / Logistikmodell beurteilen, wenn Kovariaten fehlende Daten haben?

9

Ich habe zwei GEE-Modelle (Generalized Estimating Equation) an meine Daten angepasst:

1) Modell 1: Ergebnis ist longitudinale Ja / Nein-Variable (A) (Jahr 1,2,3,4,5) mit longitudinalem kontinuierlichem Prädiktor (B) für die Jahre 1,2,3,4,5.

2) Modell 2: Das Ergebnis ist dieselbe longitudinale Ja / Nein-Variable (A), aber jetzt ist mein Prädiktor auf den Wert für Jahr 1 festgelegt, dh er muss zeitinvariant sein (B).

Aufgrund fehlender Messungen in meinem Längsprädiktor zu einigen Zeitpunkten für verschiedene Fälle ist die Anzahl der Datenpunkte in Modell 2 höher als in Modell 1.

Ich würde gerne wissen, welche Vergleiche ich zwischen den Quotenverhältnissen, p-Werten und der Anpassung der beiden Modelle gültig anstellen kann, z.

  • Wenn der OR für Prädiktor B in Modell 1 größer ist, kann ich dann mit Recht sagen, dass die Assoziation zwischen A und B in Modell 1 stärker ist?

  • Wie kann ich beurteilen, welches das bessere Modell für meine Daten ist? Habe ich Recht, wenn ich denke, dass QIC / AIC-Pseudo-R-Quadrate nicht modellübergreifend verglichen werden sollten, wenn die Anzahl der Beobachtungen nicht gleich ist?

Jede Hilfe wäre sehr dankbar.

logistic gee N26
quelle
Da Modell 2 von Modell 1 nicht wirklich als "verschachtelt" betrachtet wird, weiß ich nicht, wie gültig die Verwendung von QIC zur Beurteilung der Vergleichsanpassung wäre. Ein Gedanke, den ich hatte, war, mehrere Imputationstechniken zu verwenden, um die Anzahl der Beobachtungen auszugleichen, und dann könnte man wohl die QIC-Werte für diese Modelle vergleichen. Einige Literaturstellen, z. B. "Applied Longitudinal Data Analysis for Epidemiology" von Twisk, zeigten jedoch wirklich inkonsistente Ergebnisse, indem MI-Techniken an Modellen mit dichotomen Antwortvariablen verwendet wurden. Ich wünschte, ich könnte mehr helfen.
Iris Tsui
1
Warum fehlen die Werte? Ist ihre Abwesenheit systematisch, so dass sich fehlende Werte grundlegend von nicht fehlenden Werten unterscheiden?
Makro

Antworten:

1

Ich würde definitiv versuchen, mehrere Imputationen durchzuführen (z. B. mit Mäusen oder Amelia in R), möglicherweise mit mehreren alternativen Methoden, um fehlende Werte zu unterstellen.

Im schlimmsten Fall können Sie es als Sensitivitätsanalyse betrachten.

Joe_74
quelle