Wie teste ich in Poisson GLMM mit lmer () in R auf Überdispersion?

12

Ich habe folgendes Modell:

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

... und das ist die Zusammenfassung. 

> 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

Es ist wahrscheinlich überdispers, aber wie genau berechne ich das?

Vielen Dank.

r poisson-distribution lme4-nlme glmm overdispersion susie
quelle
Probieren Sie das Paket qcc.overdispersion.test in qcc aus .
Penguin_Knight
4
Ich bin nicht mit dem lme4-Paket vertraut, aber ein Weg, um herauszufinden, ob es bei einem Poisson-Modell zu einer Überdispersion kommt, besteht darin, die verbleibende Abweichung mit den verbleibenden Freiheitsgraden zu vergleichen. Es wird davon ausgegangen, dass diese gleich sind. Wenn also die Restabweichung größer als die Restfreiheitsgrade ist, deutet dies auf eine Überdispersion hin. Es gibt auch den Cameron & Trivedi-Test zur Annahme der Äquidispersion, aber ich bin mir auch nicht sicher, ob dies mit dem lme4-Paket durchgeführt werden kann.
Graeme Walsh
3
@Penguin_Knight: Es sieht nicht so aus, als wäre qcc.overdispersion.testes angemessen (es wird auf Überdispersion in Binomial- Rohdaten getestet , nicht in einem Modell)
Ben Bolker

Antworten:

4

Weitere nützliche Informationen zu GLMM mit lmer () und anderer GLMM-Anpassungssoftware finden Sie im Abschnitt " Wie kann ich mit Überdispersion in GLMM umgehen?" Auf der folgenden Webseite.

http://glmm.wikidot.com/faq

ndoogan
quelle
Dies ist eher ein Kommentar als eine Antwort. Könnten Sie es erweitern, indem Sie vielleicht eine Zusammenfassung der Informationen unter dem Link geben?
gung - Wiedereinsetzung von Monica
0

Das Paket VRE (S.33) enthält den Cameron & Trivedi-Test zur Annahme der Äquidispersion, die mit GLMs verwendet werden kann.

AER::dispersiontest(model1)
daszlosek
quelle
2
Obwohl die Implementierung bei Fragen häufig mit inhaltlichen Inhalten vermischt wird, soll es sich bei uns um eine Website handeln, die Informationen zu Statistiken, maschinellem Lernen usw. und nicht um Code enthält. Es kann auch gut sein, Code bereitzustellen, aber bitte erarbeiten Sie Ihre inhaltliche Antwort in Textform für Personen, die diese Sprache nicht gut genug lesen, um die Antwort aus dem Code zu erkennen und zu extrahieren.
gung - Wiedereinsetzung von Monica