Deutsches R-Forum

Guten Abend,

ich möchte für meine Daten (Forschungsfrage: Hat der Besuch beim Frauenarzt während der Schwangerschaft Auswirkungen auf das spätere Stillen?) das adjustierte Relative Risiko berechnen und bin dabei mit R am verzweifeln.
Folgende 2 Syntaxe konnte ich dafür ausfindig machen:

(1) geeglm(formula = OUTCOME ~ EXPOSURE+ COVARIATES,
data = ???,
family = poisson(link = "log"),
id = ???,
corstr = "exchangeable")

(2) glm(OUTCOME~ EXPOSURE + COVARIATES, family = poisson(link = "log"), data = ???)

Meine erste Frage wäre, was ist die richtige Syntax? Da ich keine Cluster habe, tendiere ich zu Nr. 2. Weiterhin kann ich mir nicht erklären, was bei "data" bzw. bei "id" eingetragen werden soll. Kann mir jemand weiterhelfen?

Danke vorab und viele Grüße
HLW

Meine erste Frage wäre, was ist die richtige Syntax?

Das hängt vom Model ab was du anpassen möchtest...
Ersteres ist ein GLM via generalized estimating equations (gee) und kann eine korrelationstruktur berücksichtigen (corstr).
Zweiteres ist ein standard GLM (ohne korrelationsstruktur).

In beiden Fällen sollte 'data' ein data.frame, mit den Spalten OUTCOME, EXPOSURE und COVARIATES sein.

BTW: Ich hab noch nie ein Poisson-Model gesehen, das gepasst hat (oft hat's overdispersion, d.h. mehr Varianz als vom Poisson Model angenommen).

Vielen Dank für die schnelle Antwort. Wie gesagt bei der Forschungsfrage geht es darum, ob eine Teilnahme an den Schwangerschaftsvorsorgeuntersuchungen mit dem späteren Stillen zusammenhängt. Daher ist geeglm glaube ich schon sinnvoll, oder? Aber was trage ich bei "id" ein?
Und bei "data" reicht doch dann einfach meine Datendatei, in der alle Variablen gespeichert sind, oder?
Würdest Du statt Poission eher ein binomial-Model empfehlen oder wie meinst Du den letzten Abschnitt?

Daher ist geeglm glaube ich schon sinnvoll, oder?

Das kann man anhand der Informationen nicht beantworten.

Aber was trage ich bei "id" ein?

Laut Dokumentation ?geeglm ist das ein Vektor welcher die clusterzugehörigkeit angibt.

Würdest Du statt Poission eher ein binomial-Model empfehlen oder wie meinst Du den letzten Abschnitt?

Das müsste man sich dann anschauen...