จะทดสอบการกระจายตัวมากเกินไปใน Poisson GLMM ด้วย lmer () ใน R ได้อย่างไร


12

ฉันมีรูปแบบดังต่อไปนี้:

> model1<-lmer(aph.remain~sMFS1+sAG1+sSHDI1+sbare+season+crop
  +(1|landscape),family=poisson)

... และนี่คือผลลัพธ์สรุป

> summary(model1)
Generalized linear mixed model fit by the Laplace approximation 
Formula: aph.remain ~ sMFS1 + sAG1 + sSHDI1 + sbare + season + crop 
         +      (1 | landscape) 
  AIC  BIC logLik deviance
 4057 4088  -2019     4039
Random effects:
 Groups    Name        Variance Std.Dev.
 landscape (Intercept) 0.74976  0.86588 
Number of obs: 239, groups: landscape, 45

Fixed effects:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept)  2.6613761  0.1344630  19.793  < 2e-16 
sMFS1        0.3085978  0.1788322   1.726  0.08441   
sAG1         0.0003141  0.1677138   0.002  0.99851    
sSHDI1       0.4641420  0.1619018   2.867  0.00415 
sbare        0.4133425  0.0297325  13.902  < 2e-16 
seasonlate  -0.5017022  0.0272817 -18.390  < 2e-16 
cropforage   0.7897194  0.0672069  11.751  < 2e-16
cropsoy      0.7661506  0.0491494  15.588  < 2e-16 

                  

Correlation of Fixed Effects:
           (Intr) sMFS1  sAG1   sSHDI1 sbare  sesnlt crpfrg
sMFS1      -0.007                                          
sAG1        0.002 -0.631                                   
sSHDI1      0.000  0.593 -0.405                            
sbare      -0.118 -0.003  0.007 -0.013                     
seasonlate -0.036  0.006 -0.006  0.003 -0.283              
cropforage -0.168 -0.004  0.016 -0.014  0.791 -0.231       
cropsoy    -0.182 -0.028  0.030 -0.001  0.404 -0.164  0.557

อาจมีการใช้เกินขนาด แต่ฉันจะคำนวณได้อย่างไร

ขอบคุณมาก ๆ.


ลองใช้ qcc.overdispersion.test ในแพ็คเกจqcc
Penguin_Knight

4
ฉันไม่เชี่ยวชาญในการใช้แพ็คเกจ lme4 แต่วิธีหนึ่งที่จะตรวจสอบว่ามีการใช้งานเกินขนาดเมื่อจัดการกับรุ่น Poisson หรือไม่เพื่อเปรียบเทียบความเบี่ยงเบนที่เหลือกับองศาอิสระ สิ่งเหล่านี้สันนิษฐานว่าเป็นสิ่งเดียวกันดังนั้นหากการเบี่ยงเบนส่วนที่เหลือมากกว่าระดับความอิสระที่เหลืออยู่นี่เป็นข้อบ่งชี้ถึงการกระจายตัวเกินขนาด นอกจากนี้ยังมีการทดสอบ Cameron & Trivedi เกี่ยวกับสมมติฐานของ equidispersion แต่อีกครั้งฉันไม่แน่ใจว่าสิ่งนี้สามารถทำได้โดยแพ็คเกจ lme4
แกรมวอลช์

3
@Penguin_Knight: มันไม่ได้มีลักษณะเหมือนqcc.overdispersion.testมีความเหมาะสม (มันทดสอบสำหรับ overdispersion ในดิบข้อมูลทวินามไม่ได้อยู่ในรูปแบบ)
เบน Bolker

คำตอบ:


4

ในบรรดาเกร็ดเล็กเกร็ดน้อยที่เป็นประโยชน์อื่น ๆ ใน GLMM พร้อม lmer () และซอฟต์แวร์กระชับ GLMM อื่น ๆ ให้ตรวจสอบส่วนในหน้าเว็บต่อไปนี้ที่เรียกว่าฉันจะจัดการกับการกระจายเกินพิกัดใน GLMM ได้อย่างไร

http://glmm.wikidot.com/faq


นี่เป็นความคิดเห็นมากกว่าคำตอบ คุณสามารถขยายมันได้โดยอาจให้ข้อมูลสรุปที่ลิงค์หรือไม่
gung - Reinstate Monica

0

แพคเกจAER (p.33) มีการทดสอบ Cameron & Trivedi ของสมมติฐานของ equidispersion ที่สามารถใช้กับ GLM ได้

AER::dispersiontest(model1)

2
แม้ว่าการใช้งานมักจะถูกผสมกับเนื้อหาที่สำคัญในคำถามเราควรจะเป็นเว็บไซต์สำหรับให้ข้อมูลเกี่ยวกับสถิติการเรียนรู้ของเครื่อง ฯลฯ ไม่ใช่รหัส มันอาจเป็นการดีที่จะให้รหัสเช่นกัน แต่โปรดอธิบายรายละเอียดที่สำคัญในข้อความสำหรับผู้ที่ไม่ได้อ่านภาษานี้ดีพอที่จะรับรู้และแยกคำตอบออกจากรหัส
gung - Reinstate Monica
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.