问如何从lrm()中获得OR和95%CI？
EN

Stack Overflow用户

提问于 2021-09-19 11:56:14

回答 1查看 489关注 0票数 1

我想用rms软件包建立物流模型，但如何从lrm()中得到95%的OR值？我只知道如何获得OR的价值。

我的代码如下：

n <- 1000    # define sample size
set.seed(17) # so can reproduce the results
y              <- rep(0:1, 500)
age            <- rnorm(n, 50, 10)
sex            <- factor(sample(c('female','male'), n,TRUE))
label(age)            <- 'Age'
label(sex)            <- 'Sex'

f <- lrm(y ~ age + sex, x=TRUE, y=TRUE)
f

# OR
exp(coef(f))

logistic-regression

回答 1

Stack Overflow用户

回答已采纳

发布于 2021-09-19 15:18:54

要获得每个变量的日志赔率比的95%的置信区间，您可以从估计值中减去1.96倍的标准误差。对数比数比的上置信区间是估计值的标准误差的1.96倍。当你把这些结果指数化时，你就有了优势比的置信区间。

使用这个数字1.96的原因是标准正态分布的2.5%分位数是在-1.96，其97.5%分位数是在+1.96。如果您想避免使用1.96作为“魔术数字”，可以使用qnorm函数(参见下面)。

lrm对象的困难在于，标准错误并不直接存储在模型对象中，每次打印到控制台时都会计算出来。但是，您可以通过获取矩阵var的对角线的平方根(它是f的一个成员)来轻松地获得它们。

sqrt(diag(f$var))
#>   Intercept         age    sex=male 
#> 0.326635446 0.006222249 0.126599055

您可以检查这是否与模型摘要中的标准错误列相同。

因此，要获得优势比及其置信区间的数据框架，您可以这样做：

df <- data.frame(variable  = colnames(f$var),
                 OR        = exp(f$coefficients),
                 OR_lower  = exp(f$coefficients + qnorm(0.025) * sqrt(diag(f$var))),
                 OR_upper  = exp(f$coefficients + qnorm(0.975) * sqrt(diag(f$var))),
                 row.names = NULL)

df
#>    variable        OR  OR_lower OR_upper
#> 1 Intercept 1.1107651 0.5855846 2.106953
#> 2       age 0.9990378 0.9869282 1.011296
#> 3  sex=male 0.8935087 0.6971681 1.145144

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/69243033

复制

相似问题

问如何从lrm()中获得OR和95%CI？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何从lrm()中获得OR和95%CI？EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何从lrm()中获得OR和95%CI？
EN