Prezado Cezar, boa tarde. Gostaria de entender melhor seus comentários...
1º) as VIs que teriam alta correlação seriam Faixa Etária com Número de doenças crônicas e Escolaridade e Automedicação? Neste caso... eu deveria optar por uma das VIs de cada par? 2º) Na frase: "Qtos casos você para cada desfecho para calcular a RP?" Você pergunta "Quantos casos eu tenho para cada desfecho?" Se for, não compreendi como isso afeta o cálculo da RP. Desculpe minha falta de conhecimento. Agradeço a atenção. *Emerson* Em qui., 23 de jul. de 2020 às 10:53, Cesar Rabak por (R-br) < [email protected]> escreveu: > Emerson: > > Algum dos pares de VIs do seu problema apresenta correlação muito alta > (pelos nomes vejo dois pares altamente candidatos)? > > Qtos casos você para cada desfecho para calcular a RP? > > -- > Cesar Rabak > > On Wed, Jul 22, 2020 at 5:03 PM Emerson Cotta Bodevan por (R-br) < > [email protected]> wrote: > >> Prezados, boa tarde. >> >> Estou com dificuldade para cálculo de Razão de Prevalência, com >> respectivos IC95% para meus dados. >> >> Meus dados estão com a seguinte estrutura: >> Variável resposta: >> - ocorrência de AVC (0: Não, 1: Sim) >> Variáveis independentes: >> - Faixa Etária (18 a 28 - referência, 29 a 39, 40 a 59, 60 a 79 e 80 ou >> mais) >> - Escolaridade (Nunca estudou - referência, Ens Fun, Ens Med, Ens Sup) >> - Saúde (Excelente - referência, Muito Boa, Boa, Regular, Ruim) >> - Número Doenças Crônicas (Nenhuma - referência, Uma, Duas ou mais) >> - Automedicação (Não - referência, Sim) >> >> Importante dizer que tenho alta proporção de zeros na variável resposta: >> 371 zeros e 11 uns. >> >> *Tentei inicialmente a regressão de poisson da seguinte forma:* >> library(sandwich) >> library(lmtest) >> fit.poisson=glm(AVC~FE+Esc+Saude+NDC+Auto,data=dados,family=poisson) >> *Obtive a seguinte mensagem:* >> glm.fit: taxas ajustadas numericamente 0 ocorreu >> >> >> *Vi que o problema pode ser o excesso de zeros. Então, lendo algumas >> postagens aqui da lista tentei o seguinte:* >> library(pscl) >> >> fit.hurdle<-hurdle(AVC~FE+Esc+Saude+NDC+Auto,dist="poisson",zero.dist="poisson",data=dados) >> *Obtive a seguinte mensagem:* >> Warning messages: >> 1: glm.fit: fitted rates numerically 0 occurred >> 2: glm.fit: fitted rates numerically 0 occurred >> 3: In value[[3L]](cond) : >> Lapack routine dgesv: system is exactly singular: U[7,7] = 0FALSE >> *Tentei então* >> >> fit.zeroinflPoisson<-zeroinfl(AVC~FE+Esc+Saude+NDC+Auto,dist="poisson",link="logit",data=dados) >> *Obtive a seguinte mensagem:* >> Warning messages: >> 1: glm.fit: fitted probabilities numerically 0 or 1 occurred >> 2: In value[[3L]](cond) : >> sistema é computacionalmente singular: condição recíproca número = >> 8.9423e-20FALSE >> >> Não consigo encontrar uma saída. Alguém pode me dar uma dica? >> Agradeço imensamente. >> Atenciosamente, >> >> *Emerson* >> _______________________________________________ >> R-br mailing list >> [email protected] >> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >> código mínimo reproduzível. >> > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > código mínimo reproduzível. >
_______________________________________________ R-br mailing list [email protected] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
