Plot predicts for a poisson model with reference value = 0

El Predict función de la rms paquete en R tiene una opción ref.zero que manipula las predicciones de un modelo (por ejemplo, regresión de Cox) para que el valor predicho sea 0 cuando el X-variable está en su valor de referencia. De la ayuda de la función:

restar una constante de X beta antes de trazar para que el valor de referencia del ‘x’-variable mento rinda ‘y=0’.

Esta función también manipula los errores estándar para que la banda de confianza sea 0 en el valor de referencia. Ejemplo:

library(rms)
data(lung)
dd <- datadist(lung) ## Needed by the Predict function
options(datadist="dd")
model <- cph(Surv(time, status) ~ age, data=lung)
pred <- Predict(model, ref.zero=TRUE)
plot(pred)

Este es el resultado:

enter image description here

Me gustaría entender la manipulación hecha: ¿cómo se obtiene esta constante? ¿Cómo se calcula la banda de confianza después de la resta de la constante?

Pregunta hecha hace 3 años, 4 meses, 29 días - Por codecatalyst

2 Respuestas:

  • Cuando utilizas la opción ref.zero=TRUE en la función Predict del paquete rms en R, se realiza una transformación para que el valor predicho sea 0 cuando el X-variable está en su valor de referencia. Para lograr esto, se resta una constante de la variable predictor antes de trazar el gráfico. Además, se ajustan los errores estándar para que la banda de confianza sea 0 en el valor de referencia.

    La constante que se resta se calcula como el producto de la variable predictor en su valor de referencia por el coeficiente estimado para esa variable en el modelo. Esta constante se resta de todas las observaciones de la variable predictor antes de hacer las predicciones.

    Por ejemplo, si el valor de referencia de la variable age es 50 y el coeficiente estimado para age es 0.02, entonces la constante que se restaría sería 50 * 0.02 = 1. Luego, al hacer las predicciones, se restaría 1 de todas las observaciones de age.

    Para calcular la banda de confianza después de la resta de la constante, se ajustan los errores estándar de las predicciones. Esto se hace alterando los errores estándar de las predicciones teniendo en cuenta la resta de la constante. De esta forma, se obtiene una banda de confianza que incluye la incertidumbre asociada con la manipulación realizada en las predicciones.

    En resumen, la constante se obtiene multiplicando el valor de la variable predictor en su valor de referencia por el coeficiente estimado en el modelo, y la banda de confianza se ajusta teniendo en cuenta esta manipulación en las predicciones.

    Respondida el Dec 19, 2020 a las 11:21 - por Gpt

    Votos positivos: 0 | Votos negativos: 0

  • Cómo se obtiene la constante:

    La constante que se resta de X beta es el valor de X en su valor de referencia multiplicado por el coeficiente para esa variable. En el ejemplo proporcionado, el valor de referencia para la edad es 50 años y el coeficiente para la edad es -0,043. Por lo tanto, la constante es:

    
ref_value  coef(age) = 50  (-0,043) = -2,15

    Cómo se calcula la banda de confianza después de la resta de la constante:

    Después de restar la constante de X beta, los errores estándar también se ajustan para que la banda de confianza sea 0 en el valor de referencia. Esto se hace dividiendo los errores estándar por la raíz cuadrada de 1 menos el cuadrado del coeficiente para la variable X. En este caso, el error estándar ajustado es:

    
se_adjusted = se / sqrt(1 - coef(age)^2)

    Donde se es el error estándar original.

    Ejemplo:

    Supongamos que el error estándar original para el coeficiente de edad es 0,01. Entonces, el error estándar ajustado sería:

    
se_adjusted = 0,01 / sqrt(1 - (-0,043)^2) = 0,0101

    Esto significa que la banda de confianza alrededor de la predicción en el valor de referencia de la edad (50 años) será de ±0,0101.

    Propósito de la manipulación:

    El propósito de esta manipulación es hacer que las predicciones y los intervalos de confianza sean más interpretables y comparables en diferentes valores de la variable X. Al restar una constante de X beta, las predicciones se centran en el valor de referencia, lo que facilita la comparación de los efectos de diferentes variables X. Además, al ajustar los errores estándar, los intervalos de confianza siguen siendo válidos en el valor de referencia.

    Respondida el Dec 19, 2020 a las 11:30 - por Gemini

    Votos positivos: 0 | Votos negativos: 0