R에서 lmer ()를 사용하여 Poisson GLMM에서과 분산을 테스트하는 방법은 무엇입니까?


12

다음과 같은 모델이 있습니다.

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

... 이것은 요약 출력입니다.

> 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

아마도 과도하게 분산되어 있지만 정확히 어떻게 계산합니까?

매우 감사합니다.


qcc 패키지 에서 qcc.overdispersion.test를 시도하십시오 .
Penguin_Knight

4
lme4 패키지 사용에 정통하지는 않지만 포아송 모델을 다룰 때 과분 산이 있는지 확인하는 한 가지 방법은 잔차 편차를 잔차 자유 도와 비교하는 것입니다. 이들은 동일하다고 가정되므로 잔차 이탈이 잔차 자유도보다 크면 과대 산포를 나타냅니다. 등분 산 가정에 대한 Cameron & Trivedi 테스트도 있지만 lme4 패키지로 수행 할 수 있는지 잘 모르겠습니다.
Graeme Walsh

3
@Penguin_Knight : 적절하지 않은 것 같습니다 qcc.overdispersion.test( 모델이 아닌 원시 이항 데이터의
과대

답변:


4

lmer () 및 기타 GLMM 피팅 소프트웨어를 사용하는 GLMM의 유용한 여러 유용한 정보 중에서 다음 웹 페이지 에서 GLMM의과 분산을 어떻게 처리 할 수 ​​있습니까? 라는 섹션을 확인하십시오 .

http://glmm.wikidot.com/faq


이것은 답변보다 더 많은 의견입니다. 링크에서 정보 요약을 제공하여 확장 할 수 있습니까?
궁 - 분석 재개 모니카

0

패키지 AER (p.33)에는 GLM과 함께 사용할 수있는 등분 산 가정에 대한 Cameron & Trivedi 테스트가 있습니다.

AER::dispersiontest(model1)

2
구현은 종종 실질적인 내용과 혼합되지만, 우리는 코드가 아닌 통계, 머신 러닝 등에 관한 정보를 제공하는 사이트가되어야합니다. 코드를 제공하는 것도 좋지만 코드에서 답변을 인식하고 추출하기에이 언어를 충분히 읽지 못하는 사람들을 위해 실질적인 답변을 텍스트로 정교하게 작성하십시오.
gung-복직 모니카
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.