913662_de-DE

liliconcom

Wie berechnet man Odds Ratios korrekt aus einem Binomial-Logit Generalized Linear Mixed Model (GLMM) in JMP Pro?

Ich passe ein binomiales logistisches generalisiertes lineares gemischtes Modell (GLMM) in JMP Pro 18 an, mit:

• binäres Ergebnis (1 = Ereignis, 0 = kein Ereignis),

• mehrere kategoriale Prädiktoren (Faktoren),

• und ein zufälliger Achsenabschnitt für die Probanden-ID, um wiederholte Messungen / Clusterbildung zu berücksichtigen.

Das Modell konvergiert und erzeugt eine Tabelle mit Schätzwerten der Fixeffektparameter, die Folgendes enthält:

• Schätzung (β)

• Standardfehler

• Untere/Obere Konfidenzgrenzen (auf der Logit-Skala)

• p-Werte

JMP Pro liefert jedoch keine Odds Ratios.

Meine Fragen:

1. Stellt „Estimate“ in der Tabelle „Fixed Effects“ in JMP Pros GLMM (Binomial Logit) das bedingte Log-Odds-Verhältnis dar?

2. Ist es korrekt und statistisch valide, OR = exp(Schätzwert) und CIs = exp(CI auf der Logit-Skala) anzugeben?

3. Falls nicht, welche Methode wird empfohlen, um interpretierbare Odds Ratios aus einem GLMM in JMP zu erhalten?

4. Gibt es eine offizielle Dokumentation oder ein Beispiel, das zeigt, wie ORs für GLMMs in JMP (oder äquivalent in SAS PROC GLIMMIX) berechnet werden sollten?

Jede fundierte Erklärung oder Quellenangabe wäre sehr willkommen.

Fortgeschrittene statistische Modellierung