Как проверить избыточную дисперсию в пуассоновском GLMM с помощью lmer () в R?

12

У меня есть следующая модель:

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

... и это сводный результат. 

> 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

Вероятно, он чрезмерно рассеян, но как именно это рассчитать?

Огромное спасибо.

r poisson-distribution lme4-nlme glmm overdispersion Сюзи
источник
Попробуйте файл qcc.overdispersion.test в пакете qcc .
Penguin_Knight
4
Я не очень хорошо разбираюсь в использовании пакета lme4, но один из способов выяснить, есть ли избыточная дисперсия при работе с моделью Пуассона, - сравнить остаточное отклонение с остаточными степенями свободы. Предполагается, что они одинаковы, поэтому, если остаточное отклонение больше, чем остаточные степени свободы, это свидетельствует о чрезмерной дисперсии. Есть также тест Кэмерона и Триведи о предположении равноудаленности, но, опять же, я не уверен, может ли это быть выполнено пакетом lme4.
Грэм Уолш,
3
@Penguin_Knight: он не выглядит qcc.overdispersion.testподходящим (он проверяет наличие избыточного рассеяния в необработанных биномиальных данных, а не в модели)
Бен Болкер,

Ответы:

4

Среди множества других полезных трюков с GLMM с помощью lmer () и другого программного обеспечения подбора GLMM, ознакомьтесь с разделом на следующей веб-странице под названием « Как я могу справиться с чрезмерной дисперсией в GLMM?

http://glmm.wikidot.com/faq

ndoogan
источник
Это больше комментарий, чем ответ. Не могли бы вы расширить его, возможно, предоставив краткое изложение информации по ссылке?
gung - Восстановить Монику
0

Пакет AER (стр.33) имеет тест Камерона и Триведи о предположении равноудаленности, который может использоваться с GLM.

AER::dispersiontest(model1)
daszlosek
источник
2
Хотя реализация часто смешивается с содержательным содержанием вопросов, мы должны быть сайтом для предоставления информации о статистике, машинном обучении и т. Д., А не кода. Также может быть полезно предоставить код, но, пожалуйста, разработайте свой содержательный ответ в тексте для людей, которые недостаточно хорошо читают этот язык, чтобы распознать и извлечь ответ из кода.
gung - Восстановить Монику