Bagaimana menguji overdispersi di Poisson GLMM dengan lmer () di R?

12

Saya memiliki model berikut:

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

... dan ini adalah output ringkasan.

> 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

Ini mungkin overdispersed, tetapi bagaimana tepatnya saya menghitung ini?

Terima kasih banyak.

— susie
sumber

Coba qcc.overdispersion.test dalam paket qcc .

— Penguin_Knight

4

Saya tidak berpengalaman dalam menggunakan paket lme4, tetapi salah satu cara untuk mengetahui apakah ada overdispersi ketika berhadapan dengan model Poisson adalah dengan membandingkan penyimpangan residual dengan sisa derajat kebebasan. Ini diasumsikan sama, jadi jika penyimpangan residual lebih besar dari tingkat kebebasan residual, ini merupakan indikasi penyebaran berlebihan. Ada juga tes Cameron & Trivedi dari asumsi equidispersion, tapi sekali lagi, saya tidak yakin apakah ini dapat dilakukan oleh paket lme4.

— Graeme Walsh

3

@Penguin_Knight: sepertinya tidak qcc.overdispersion.testsesuai (ini menguji overdispersi dalam data binomial mentah , bukan dalam model)

— Ben Bolker

4

Di antara banyak tidbits berguna lainnya pada GLMM dengan lmer () dan perangkat lunak pemasangan GLMM lainnya, periksa bagian pada halaman web berikut yang disebut Bagaimana saya bisa menangani penyebaran berlebih dalam GLMM?

http://glmm.wikidot.com/faq

— ndoogan
sumber

Ini lebih merupakan komentar daripada jawaban. Bisakah Anda mengembangkannya, mungkin dengan memberikan ringkasan informasi di tautan?

— gung - Reinstate Monica

0

Paket AER (hal.33) memiliki uji Cameron & Trivedi dari asumsi equidispersion yang dapat digunakan dengan GLM.

AER::dispersiontest(model1)

— daszlosek
sumber

2

Meskipun implementasi sering dicampur dengan konten substantif dalam pertanyaan, kami seharusnya menjadi situs untuk menyediakan informasi tentang statistik, pembelajaran mesin, dll., Bukan kode. Mungkin baik untuk memberikan kode juga, tetapi tolong uraikan jawaban substantif Anda dalam teks untuk orang-orang yang tidak membaca bahasa ini dengan baik untuk mengenali & mengekstrak jawaban dari kode.

— gung - Reinstate Monica