A Goodness-of-Fit Test for Mixed-Effects Logistic Regression

Aquí presento un resumen técnico detallado del artículo "A Goodness-of-Fit Test for Mixed-Effects Logistic Regression" de Ariel Linden, estructurado según los puntos solicitados.

Resumen Técnico: Prueba de Bondad de Ajuste para Regresión Logística de Efectos Mixtos

1. El Problema

La regresión logística de efectos mixtos es una herramienta fundamental para analizar resultados binarios en datos jerárquicos (multinivel), común en investigación médica y social. Sin embargo, existen dos limitaciones críticas en las pruebas de bondad de ajuste (GoF) existentes para estos modelos:

• Restricción a Intercepciones Aleatorias: Las pruebas formales actuales (como las adaptaciones de Perera et al. y Fernando y Sooriyarachchi) se limitan a modelos con solo intercepciones aleatorias. No abordan modelos con pendientes aleatorias (random slopes), donde el efecto de una covariable varía entre grupos, una especificación necesaria cuando los efectos de las variables independientes difieren por cluster.
• Fallo en Conjuntos de Datos Escasos: Los métodos tradicionales siguen la convención de Hosmer-Lemeshow de dividir las observaciones en $G=10$ grupos. En diseños de efectos mixtos, los clusters (grupos) a menudo tienen menos de 10 observaciones ($n_{min} < 10$). Forzar 10 grupos en clusters pequeños genera celdas vacías, hace que las variables indicadoras sean degeneradas y provoca el fallo total de la estimación del modelo.

2. Metodología

El autor propone una extensión del enfoque de prueba Wald basado en agrupamiento (grouping-based Wald test) para modelos de efectos mixtos con pendientes aleatorias.

• Modelo Base: Se considera un modelo logístico de efectos mixtos de dos o tres niveles que incluye tanto intercepciones como pendientes aleatorias:
  $$\text{logit}(p_{ij}) = \beta_0 + \beta_1 x_{1ij} + \beta_2 x_{2ij} + u_{0j} + u_{1j} x_{2ij}$$

• Procedimiento de la Prueba:

  1. Estimación: Se ajusta el modelo base y se obtienen las probabilidades predichas ($\hat{p}_{ij}$).
  2. Agrupamiento: Las observaciones dentro de cada cluster se ordenan por sus probabilidades predichas y se asignan a $G$ grupos.
  3. Regla de Selección de Grupos (Innovación Clave): En lugar de fijar $G=10$, se introduce una regla impulsada por los datos:
     $$G = \min(10, n_{min})$$
     Donde $n_{min}$ es el tamaño del cluster más pequeño. Esto garantiza que cada grupo tenga al menos una observación por cluster, evitando celdas vacías.
  4. Modelo Aumentado: Se añaden $G-1$ variables indicadoras binarias (que representan la pertenencia a los grupos 2 a $G$) al modelo original, manteniendo la estructura de efectos aleatorios.
  5. Estadístico de Prueba: Se calcula un estadístico Wald ($W$) para probar la hipótesis nula de que los coeficientes de las nuevas variables indicadoras son cero ($H_0: \gamma_2 = \dots = \gamma_G = 0$). Bajo $H_0$, $W$ sigue una distribución $\chi^2$ con $G-1$ grados de libertad.

• Implementación: El método está codificado en el programa de Stata de código abierto mlm_gof.

3. Contribuciones Clave

1. Extensión a Pendientes Aleatorias: Es la primera prueba formal de bondad de ajuste diseñada específicamente para modelos de efectos mixtos logísticos que incluyen pendientes aleatorias, ampliando el alcance más allá de los modelos de solo intercepción.
2. Regla de Agrupamiento Adaptativa: La introducción de la regla $G = \min(10, n_{min})$ resuelve el problema de la inestabilidad en clusters pequeños. La simulación demuestra que fijar $G=10$ en diseños balanceados con clusters pequeños ($n < 10$) conduce al fallo completo de la prueba, mientras que la regla adaptativa permite una inferencia válida.
3. Validación en Muestras Pequeñas: El estudio valida el método en tamaños de muestra más pequeños ($N=1,500$) que los utilizados en investigaciones anteriores (que requerían $N \ge 4,500$), demostrando robustez en escenarios más modestos.

4. Resultados de los Estudios de Simulación

Se realizaron 44,000 repeticiones en 44 escenarios diferentes evaluando error Tipo I, potencia y sensibilidad a la selección de grupos.

• Control del Error Tipo I: La prueba mantiene la tasa de error nominal (0.05) en todos los escenarios nulos, incluso en el diseño más pequeño ($N=1,500$). No se observó inflación ni conservadurismo sistemático.
• Potencia de Detección:
  • Especificación Incorrecta de Efectos Fijos: La prueba muestra buena potencia para detectar omisiones de términos no lineales (cuadráticos) e interacciones. La potencia aumenta rápidamente con el tamaño del efecto (ej. de 0.07 a 1.00 para términos cuadráticos).
  • Omisión de Niveles de Agrupamiento: Como era de esperar, la prueba no tiene potencia para detectar la omisión de un nivel de agrupamiento (ej. ajustar un modelo de 2 niveles cuando los datos son de 3 niveles). Esto se debe a que la prueba se basa en patrones residuales dentro de las probabilidades predichas condicionales, y la omisión de una intercepción aleatoria no genera dichos patrones sistemáticos dentro de los clusters.
• Sensibilidad a la Regla de Agrupamiento:
  • En diseños balanceados con clusters pequeños ($n < 10$), la opción fija $G=10$ falló en el 100% de las repeticiones.
  • La regla adaptativa funcionó correctamente en todos los casos, recuperando el estándar $G=10$ cuando los clusters eran suficientemente grandes.

5. Significado e Implicaciones

• Herramienta Diagnóstica Esencial: El programa mlm_gof llena un vacío crítico en el conjunto de herramientas diagnósticas para modelos logísticos multinivel, permitiendo a los investigadores verificar la adecuación del modelo antes de realizar inferencias sobre los efectos de las covariables.
• Robustez en la Práctica: La capacidad de manejar pendientes aleatorias y clusters pequeños hace que el método sea aplicable a una gama mucho más amplia de estudios reales (ej. ensayos clínicos con pocos pacientes por centro, estudios familiares), donde los métodos anteriores fallarían.
• Limitaciones y Uso Correcto: El estudio aclara que esta prueba no debe usarse para validar la estructura de efectos aleatorios (niveles de jerarquía); para ello, se deben utilizar criterios de información o comparaciones de verosimilitud. La prueba es específicamente sensible a la forma funcional de los efectos fijos y a las interacciones.
• Impacto en la Rigor Estadístico: Al facilitar la evaluación rutinaria del ajuste del modelo, el método promueve una práctica estadística más rigurosa en la investigación aplicada, asegurando que las conclusiones derivadas de modelos complejos estén respaldadas por una representación adecuada de los datos.

En conclusión, este trabajo proporciona un método estadísticamente sólido y una implementación práctica (mlm_gof) que supera las limitaciones de las pruebas de bondad de ajuste anteriores, adaptándose a la complejidad y las restricciones de tamaño de muestra inherentes a los datos jerárquicos modernos.