基于潜变量的有序回归模型简要介绍及其在调查数据中的应用
统计方法学
2024-01-31 v2 应用统计
摘要
调查数据分析是临床试验中频繁出现的问题，尤其是在捕捉难以测量的量时。典型例子包括关于患者幸福感、疼痛或对干预同意度的问卷。在这些问卷中，数据以离散尺度采集，仅包含有限个可能的答案，受访者须从中选择最符合其个人意见的答案。该数据通常位于有序尺度上，因为答案一般可按升序排列，例如幸福感的“差”“中性”“好”。由于回答通常为数据处理目的而以数值形式存储，常采用普通线性回归模型分析调查数据。然而，这些模型的假设常不满足，因为线性回归要求响应变量具有恒定变异性，并可能产生超出响应类别范围的预测。使用线性模型仅能获得关于平均响应的见解，可能影响代表性。相比之下，有序回归模型可提供所有响应类别的概率估计，并给出超出均值之外的完整响应尺度信息。本文简明概述基于潜变量的有序模型的基础、在一个真实数据集上的应用，并概述用于此目的的最先进软件的使用。此外，我们讨论了优势、局限性与典型陷阱。本文是一项当前基于 vignette 的结构化访谈研究（儿科麻醉领域）的配套工作。
引用
@article{arxiv.2306.13538,
title = {A brief introduction on latent variable based ordinal regression models with an application to survey data},
author = {Johannes Wieditz and Clemens Miller and Jan Scholand and Marcus Nemeth},
journal= {arXiv preprint arXiv:2306.13538},
year = {2024}
}