Jak przetestować nadmierną dyspersję w Poisson GLMM z lmer () w R?

12

Mam następujący model:

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

... a to jest podsumowanie. 

> 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

Prawdopodobnie jest rozproszone, ale jak dokładnie to obliczyć?

Dziękuję bardzo.

r poisson-distribution lme4-nlme glmm overdispersion Susie
źródło
Wypróbuj qcc.overdispersion.test w pakiecie qcc .
Penguin_Knight
4
Nie jestem dobrze zaznajomiony z używaniem pakietu lme4, ale jednym ze sposobów, aby dowiedzieć się, czy występuje nadmierna dyspersja w przypadku modelu Poissona, jest porównanie resztkowego odchylenia z resztkowym stopniem swobody. Przyjmuje się, że są one takie same, więc jeśli rezydualne odchylenie jest większe niż rezydualne stopnie swobody, oznacza to nadmierną dyspersję. Istnieje również test Cameron i Trivedi dotyczący założenia równomierności, ale znowu nie jestem pewien, czy można to zrobić za pomocą pakietu lme4.
Graeme Walsh
3
@Penguin_Knight: nie wygląda na qcc.overdispersion.testto, aby było odpowiednie (testuje nadmierną dyspersję w surowych danych dwumianowych, nie w modelu)
Ben Bolker

Odpowiedzi:

4

Wśród wielu innych przydatnych ciekawostek na temat GLMM z lmer () i innym oprogramowaniem dopasowującym GLMM, zapoznaj się z sekcją na następnej stronie internetowej Jak poradzić sobie z nadmierną dyspersją w GLMM?

http://glmm.wikidot.com/faq

ndoogan
źródło
To bardziej komentarz niż odpowiedź. Czy możesz to rozwinąć, być może podając streszczenie informacji pod linkiem?
gung - Przywróć Monikę
0

Pakiet AER (s. 33) zawiera test Camerona i Trivedi dotyczący założenia równomierności, która może być stosowana z GLM.

AER::dispersiontest(model1)
daszlosek
źródło
2
Chociaż implementacja jest często pomieszana z treścią merytoryczną w pytaniach, mamy być witryną do dostarczania informacji o statystykach, uczeniu maszynowym itp., A nie o kodzie. Dobrze jest również podać kod, ale proszę opracować merytoryczną odpowiedź w tekście dla osób, które nie czytają tego języka wystarczająco dobrze, aby rozpoznać i wyodrębnić odpowiedź z kodu.
Gung - Przywróć Monikę