913662_es-ES

liliconcom

¿Cómo calcular correctamente las razones de momios a partir de un modelo lineal mixto generalizado (GLMM) logit binomial en JMP Pro?

Estoy ajustando un modelo lineal mixto generalizado (GLMM) logit binomial en JMP Pro 18, con:

• resultado binario (1 = evento, 0 = no evento),

• varios predictores categóricos (factores),

• y una intersección aleatoria para el ID del sujeto para tener en cuenta las medidas repetidas / agrupamiento.

El modelo converge y produce una tabla de estimaciones de parámetros de efectos fijos, que incluye:

• Estimación (β)

• Error estándar

• Límites de confianza inferior/superior (en la escala logit)

• valores p

Sin embargo, JMP Pro no proporciona Odds Ratios.

Mis preguntas:

1. En el modelo lineal mixto generalizado (GLMM) binomial logit de JMP Pro, ¿representa "Estimación" en la tabla de efectos fijos la razón de momios logarítmica condicional?

2. ¿Es correcto y estadísticamente válido informar OR = exp(Estimación) e IC = exp(IC en la escala logit)?

3. De no ser así, ¿cuál es el método recomendado para obtener Odds Ratios interpretables a partir de un GLMM en JMP?

4. ¿Existe alguna documentación oficial o ejemplo que muestre cómo se deben calcular los OR para los GLMM en JMP (o, de forma equivalente, en SAS PROC GLIMMIX)?

Se agradecería enormemente cualquier explicación o referencia autorizada.

Modelado estadístico avanzado