Questions marquées «poisson-regression»

12
Comment gérer la surdispersion dans la régression de Poisson: quasi-vraisemblance, GLM binomial négatif ou effet aléatoire au niveau du sujet?

J'ai rencontré trois propositions pour traiter la surdispersion dans une variable de réponse de Poisson et un modèle de départ à effets fixes: Utilisez un quasi modèle; Utiliser un GLM binomial négatif; Utilisez un modèle mixte avec un effet aléatoire au niveau du sujet. Mais lequel choisir...

12
Surdispersion et alternatives de modélisation dans les modèles à effet aléatoire de Poisson avec décalages

J'ai rencontré un certain nombre de questions pratiques lors de la modélisation des données de comptage issues de la recherche expérimentale à l'aide d'une expérience intra-sujet. Je décris brièvement l'expérience, les données et ce que j'ai fait jusqu'à présent, suivi de mes questions. Quatre...

11
R / mgcv: Pourquoi les produits tenseurs te () et ti () produisent-ils des surfaces différentes?

Le mgcvpackage pour Ra deux fonctions pour ajuster les interactions des produits tensoriels: te()et ti(). Je comprends la division de base du travail entre les deux (ajustement d'une interaction non linéaire vs décomposition de cette interaction en effets principaux et interaction). Ce que je ne...

10
Pourquoi Anova () et drop1 () ont-ils fourni des réponses différentes pour les GLMM?

J'ai un GLMM du formulaire: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Lorsque j'utilise drop1(model, test="Chi"), j'obtiens des résultats différents de ceux que j'utilise à Anova(model, type="III")partir du package de voiture ou...

9
Résidus dans la régression du poisson

Zuur 2013 Beginners Guide to GLM & GLMM suggère de valider une régression de Poisson en traçant les résidus de Pearsons par rapport aux valeurs ajustées. Zuur déclare que nous ne devrions pas voir les résidus se dissiper à mesure que les valeurs ajustées augmentent, comme le tracé attaché...

9
Pourquoi les résidus de Pearson d'une régression binomiale négative sont-ils plus petits que ceux d'une régression de poisson?

J'ai ces données: set.seed(1) predictor <- rnorm(20) set.seed(1) counts <- c(sample(1:1000, 20)) df <- data.frame(counts, predictor) J'ai couru une régression de poisson poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson") Et une régression binomiale négative:...