如何计算十分位数的优势比和 95% 置信区间答案

【问题标题】：How to calculate Odds ratio and 95% confidence interval for decile如何计算十分位数的优势比和 95% 置信区间
【发布时间】：2019-11-11 01:54:13
【问题描述】：

我做了逻辑回归，部分结果如下。

 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 ***

这是我用来做逻辑回归的数据。

  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

我想知道如何计算值的十分位数的优势比和 95% 置信区间？我的目的是绘制一个图，y 轴是 OR(95%CI)，x 轴是我数据中值的十分位数有人能告诉我如何在 R 中计算这个吗？这是该图的示例。 enter image description here

【问题讨论】：

您想要每个十分位数的预测效果的 95% CI？有点奇怪..你有两条直线，你知道吗？
两条直线？抱歉，我不确定你的意思。好的，我换个问题：我有一个多基因风险评分模型，我用这个模型计算后得到数据的值。所以，我想输出这样一个图：journals.plos.org/plosone/article/figure/…你知道怎么做吗？
好的，是的，您必须根据值对样本进行分类，并根据一个因素进行回归。在您的示例中，值将被分类为表型使用的预测因子。您不能将其用作连续的
您可以输入您的数据吗？我不认为你展示的就是一切。否则我必须使用一些可用的数据集
嗯...真的是我的数据头，我只用这个文件。我使用这个文件进行逻辑回归，并使用 predict() 函数得到概率，所以最后我可以得到每个样本的优势比（OR=P/1-P）。但我不确定....对吗？

标签： r logistic-regression

【解决方案1】：

我没有你的数据，所以我无法为你找到合适的模型。诀窍是使预测变量有序，并使用它来回归您的响应变量。之后，您只需绘制每个组的 CI，并在需要时加入这些行。下面我使用了一个示例数据集，如果你使用相同的步骤，你应该得到下面的图：

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")

【讨论】：