如何計算十分位數的優勢比和 95% 置信區間

Question

我做了邏輯回歸，部分結果如下所示。

 Coefficients:
                                Estimate Std. Error z value Pr(>|z|)                         
  (Intercept)                    -1.9056     0.4967  -3.837 0.000125 ***
  GWAS$value                     0.4474     0.1157   3.868 0.000110 ***

---

這是我用來做邏輯回歸的數據。

  ID  Phenotype   value
1 128         0 1.510320
2 193         1 1.956477
3 067         0 2.038308
4 034         1 2.058739
5 159         0 2.066371
6 013         0 2.095866

我想知道如何計算值的十分位數的優勢比和 95% 置信區間？ 我的目的是輸出 plot，y 軸是 OR(95%CI)，x 軸是我數據中值的十分位數誰能告訴我如何在 R 中計算這個值？ 這是該圖的示例。 在此處輸入圖像描述

Answer 1

我沒有您的數據，所以我無法為您獲取正確的 model。 訣竅是使預測變量序數，並使用它來回歸您的響應變量。 之后，您只需 plot 每個組的 CI，並在需要時加入行。 下面我使用了一個示例數據集，如果你使用相同的步驟，你應該得到下面的 plot：

library(tidyverse)
ldata <- read.csv("https://stats.idre.ucla.edu/stat/data/binary.csv")
# we break gre column into quintiles
ldata <- ldata %>% mutate(GRE = cut_number(gre,5))

#regression like you did, calculate lor for all quintiles
fit <- glm(admit ~ 0+GRE,data=ldata,family="binomial")

# results like you have
results = coefficients(summary(fit))
# rename second column, SE for plotting
colnames(results)[2] = "SE"
#use ggplot
data.frame(results) %>% 
mutate(X=1:n()) %>%
ggplot(aes(x=X,y=Estimate)) + geom_point()+
geom_line() + 
# 95% interval is 1.96*SE
geom_errorbar(aes(ymin=-1.96*SE+Estimate,ymax=1.96*SE+Estimate),width=0.2)+
scale_x_continuous(label=rownames(results))+
xlab("GRE quintiles") +ylab("Log Odds Ratio")