各位前輩好 小弟最近有一個cohort 要分析某A病是否會造成B結果 由於B結果的比例超過10% 所以根據文獻想要用modified poisson 分析 然後可能的confounder有C, D, E 這樣 A ~ E都是binary variable, 不是次數的數據 小弟用的語言是R language, 用sandwich和parameters這兩個package做robuse SE 估計 我想問的是 1) 如果要做variable selection，這樣我還是可以用R的step 函數嗎? 也就是說程式碼會是: 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") 這樣嗎? 2) 如果疾病B是重複測量的結果，例如第一、二、三、四季重複測量看有沒有該疾病 我想用GEE處理重複測量 那我有甚麼方法同時處理 i) robust SE estimate, ii) variable selection, iii) 重複測量 R有現成的函數嗎? 或是說我之前有用glmtoolbox這個package 裡的stepCriterion函數利用QIC的criteria 做變數選擇(不過我的family是用binomial, 也就是logistic)。 我可以把family改成poisson(link = "log")，選完以後再跑一次GEE ，然後計算 robust SE嗎? 如果可以的話，那要怎麼計算呢? 以上 感謝各位大德 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.116.253.195 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Statistics/M.1651135475.A.3E2.html ※ 編輯: marki (140.116.253.195 臺灣), 04/28/2022 17:34:19