He construido un modelo de regresión multivariante donde $\mathbf x$ es el vector de variables. Ahora me piden que calcule el intervalo de confianza para el número a tratar (NNT) en $\mathbf x=\mathbf {x_0}$ que a su vez requiere construir el intervalo de confianza para $p=Pr(1|\mathbf x=\mathbf {x_0})$ . Estoy utilizando JMP que, según mis conocimientos, sólo muestra el valor puntual y el error estándar de las estimaciones de los parámetros, pero no la información completa de Fisher. Así que estoy tentado de usar $\hat{p}=Pr(1|\mathbf x=\mathbf {x_0},\mathbf {\hat{b}})$ donde $\mathbf {\hat{b}}$ es el vector de las estimaciones de los parámetros de ML, y luego calcular $\hat{p}(1-\hat{p})/n$ pero dudo que sea correcto. ¿Cuál es la forma más sencilla de hacerlo?
Respuesta
¿Demasiados anuncios?
dan90266
Puntos
609
El NNT, que ha sido criticado con rotundidad últimamente, tiene que estar condicionado a un escenario de una sola covariable, como bien has enmarcado el problema. El NNT es el recíproco de la diferencia de riesgo, y variará enormemente con otras covariables (los pacientes enfermos obtienen más beneficios). Se puede obtener el intervalo de confianza para una diferencia de riesgo y luego tomar el recíproco de cada límite de confianza para obtener el CL (sorprendentemente amplio) para el NNT. No tengo una buena referencia para el CL de la diferencia de riesgo, pero deberías poder encontrarlo. Será una función de todos los datos junto con $x_{0}$ . También puedes conseguirlo con el bootstrap.
