各位前辈好 小弟最近有一个cohort 要分析某A病是否会造成B结果 由於B结果的比例超过10% 所以根据文献想要用modified poisson 分析 然後可能的confounder有C, D, E 这样 A ~ E都是binary variable, 不是次数的数据 小弟用的语言是R language, 用sandwich和parameters这两个package做robuse SE 估计 我想问的是 1) 如果要做variable selection，这样我还是可以用R的step 函数吗? 也就是说程式码会是: library(sandwich); library(parameters) null = glm(B ~ 1, data = data, poisson(link = "log")) full = glm(B ~ A + C + D + E, data = data, family = poisson(link = "log")) sl = step(full, scope=list(lower=null, upper=full), direction="backward") cfit = glm(sl$formula, data = data, family = poisson(link = "log")) mp = model_parameters(cfit, robust = TRUE, vcov_estimation = "CL", vcov_type = "HC0") 这样吗? 2) 如果疾病B是重复测量的结果，例如第一、二、三、四季重复测量看有没有该疾病 我想用GEE处理重复测量 那我有甚麽方法同时处理 i) robust SE estimate, ii) variable selection, iii) 重复测量 R有现成的函数吗? 或是说我之前有用glmtoolbox这个package 里的stepCriterion函数利用QIC的criteria 做变数选择(不过我的family是用binomial, 也就是logistic)。 我可以把family改成poisson(link = "log")，选完以後再跑一次GEE ，然後计算 robust SE吗? 如果可以的话，那要怎麽计算呢? 以上 感谢各位大德 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.116.253.195 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1651135475.A.3E2.html ※ 编辑: marki (140.116.253.195 台湾), 04/28/2022 17:34:19