R语言混合效应逻辑回归（mixed effects logistic）模型分析肺癌数据

在混合效应逻辑回归用于建立二元结果变量的模型，其中，当数据被分组或同时存在固定和随机效应时，结果的对数几率被建模为预测变量的线性组合（点击文末“阅读原文”获取完整代码数据）。

例1：一个研究人员对40所不同大学的申请进行抽样调查，以研究预测大学录取的因素。预测因素包括学生的高中GPA、课外活动和SAT分数。一些学校的选择性较多或较少，所以每所学校的基准录取概率是不同的。学校层面的预测因素包括学校是公立还是私立，目前学生与教师的比例，以及学校的排名。

例2：一家大型HMO想知道哪些病人和医生的因素与病人的肺癌在治疗后是否得到缓解最相关，这是一项关于肺癌病人的治疗效果和生活质量的研究的一部分。

例3：一家电视台想知道时间和广告活动如何影响人们是否观看电视节目。他们对四个城市的人进行了为期六个月的抽样调查。每个月，他们都会询问人们在过去一周是否观看了某个节目。三个月后，他们在四个城市中的两个城市推出了一个新的广告活动，并继续监测人们是否观看了该节目。

在这个例子中，我们将使用一个模拟的数据集来探讨关于肺癌的例子。我们收集了病人的各种结果，他们被包含在医生身上，而医生又被包含在医院里。还有一些医生层面的变量，比如我们将在例子中使用的 "医生经验"。