이항 GLMM (glmer)을 비율 또는 분수 인 반응 변수에 맞추기

나는 누군가가 내가 비교적 간단한 질문이라고 생각하는 것을 도울 수 있기를 바라고 있으며, 나는 대답을 알고 있다고 생각하지만 확인 없이는 내가 확신 할 수없는 것이되었습니다.

카운트 변수를 반응 변수로 사용하고 비례 비율로 변수가 어떻게 변하는 지 측정하고 싶습니다.

보다 상세하게는, 반응 변수는 다수의 부위에서 곤충 종의 존재 횟수이므로, 예를 들어 부위는 10 회 샘플링되고이 종은 4 번 발생할 수있다.

나는 이것이이 장소에서 식물의 전체 공동체에서 식물 종 그룹의 비례 적 존재와 상관 관계가 있는지보고 싶다.

이것은 내 데이터가 다음과 같이 보이는 것을 의미합니다 (이것은 단지 예일뿐입니다)

Site, insectCount, NumberOfInsectSamples, ProportionalPlantGroupPresence
1, 5, 10, 0.5
2, 3, 10, 0.3
3, 7, 9, 0.6
4, 0, 9, 0.1

데이터에는 위치에 대한 임의의 효과도 포함됩니다.

나는 두 가지 방법을 생각했다. 하나는 lmer곤충을 비례로 변환 한 선형 모델 ( )이다.

 lmer.model<-lmer(insectCount/NumberOfInsectSamples~
 ProportionalPlantGroupPresence+(1|Location),data=Data)

두 번째는 (이항 GLMM 것 glmer) 예를

glmer.model <- glmer(cbind(insectCount,NumberOfInsectSamples-insectCount)~
 ProportionalPlantGroupPresence+(1|Location),
 data=Data,family="binomial")

이항 글 리머가 올바른 방법이라고 생각하지만 결과가 상당히 다릅니다. 나는 여전히 약간의 불확실성을 느끼지 않고 인터넷에서 결정적인 답을 찾을 수 없으며 실수하지 않도록하고 싶습니다.

이에 대한 대체 방법에 대한 도움이나 통찰력이 있으면 대단히 감사하겠습니다.

이항 GLMM이 아마도 정답 일 것입니다.

• 특히 소량에서 중간 수의 샘플 (예 : 9 및 10)의 경우 반응 변수의 분포는 이분법적일 수 있습니다 (분산은 일정하지 않으며 특히 체계적인 방법으로 평균에 따라 다름). 특히 예측 변수의 일부 값에 대해 비율이 0 또는 1에 가까울 경우 변환하기 어려운 방식으로 정규성에서 이것이 GLMM을 좋은 아이디어로 만듭니다.
• 과대 산포를 확인 / 계정 할 때주의해야합니다. 위치 당 단일 관측치 (예 : 데이터 프레임의 단일 이항 표본 / 행)가있는 경우 (1|Site)임의의 효과가이를 자동으로 처리합니다 (주의 사항은 Harrison 2015 참조).
• 이전 가정이 맞다면 (위치 당 하나의 이항 표본 만있는 경우)이를 정규 이항 모형으로 적합시킬 수 있습니다 ( glm(...,family=binomial)이 경우 유사 이항 모형 ( family=quasibinomial)을 더 간단하고 대안적인 방법으로 사용할 수도 있습니다 ) 과대 산포를 설명하기 위해

• 원하는 경우 weights인수를 샘플 수와 동일하게 설정하면 GLMM을 비율로 응답에 맞출 수도 있습니다 .

   glmer(insectCount/NumberOfInsectSamples~ProportionalPlantGroupPresence+
         (1|Location),
         weights=NumberofInsectSamples,
         data=Data,family="binomial")
  

  (이것은 glmer()질문에 맞는 결과와 동일한 결과를 제공해야 합니다).

Harrison, Xavier A.“ 생태학 및 진화에서 이항 데이터의과 분산을 모델링하기위한 관찰 수준의 랜덤 효과와 베타-이항 모델의 비교 ” PeerJ 3 (2015 년 7 월 21 일) : e1114. doi : 10.7717 / peerj.1114.