如何使用具有隨機效應的序數邏輯回歸？

在我的研究中，我將使用幾個指標來衡量工作量。具有心率變異性 (HRV)、皮膚電活動 (EDA) 和主觀量表 (IWS)。標準化後，IWS 具有三個值：

1. 工作量低於正常水平
2. 工作量平均
3. 工作量高於正常水平。

我想看看生理測量可以如何預測主觀工作量。

因此我想使用比率數據來預測序數值。根據：如何在 R 中同時使用數值/分類值運行序數邏輯回歸分析？這很容易通過使用該MASS:polr功能來完成。

但是，我還想考慮隨機效應，例如受試者之間的差異、性別、吸煙等。查看本教程，我不知道如何將隨機效應添加到MASS:polr. 或者lme4:glmer將是一個選項，但此功能僅允許預測二進制數據。

是否可以在有序邏輯回歸中添加隨機效應？

原則上，您可以通過將序數響應變量擴展為連續水平之間的一系列二元對比，使任何邏輯混合模型軟件的機器執行序數邏輯回歸（例如，參見 Dobson 和 Barnett廣義線性模型簡介第 8.4.6 節）。然而，這很痛苦，幸運的是，R 中有幾個選項：

• 序數包，通過clmmandclmm2函數（clmm= C umulative L ink Mixed M odel ）
• 混合器包，通過mixor函數
• MCMCglmm封裝，通過family="ordinal"（見?MCMCglmm）
• brms 包，例如 via family="cumulative"（見?brmsfamily）

後兩個選項在貝葉斯 MCMC 框架內實現。據我所知，所有引用的函數（除了ordinal::clmm2）都可以處理多種隨機效應（截距、斜率等）；他們中的大多數（也許不是MCMCglmm？）可以處理鏈接函數的選擇（logit、probit 等）。

（如果我有時間，我會回來用一個從頭開始設置序數模型的工作示例來修改這個答案lme4）

引用自：https://stats.stackexchange.com/questions/238581