Como testar a sobredispersão no Poisson GLMM com lmer () no R?

12

Eu tenho o seguinte modelo:

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

... e esta é a saída resumida. 

> 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

Provavelmente está superdisperso, mas como exatamente eu calculo isso?

Muito obrigado.

r poisson-distribution lme4-nlme glmm overdispersion susie
fonte
Experimente o qcc.overdispersion.test no pacote qcc .
Penguin_Knight
4
Não sou muito versado no uso do pacote lme4, mas uma maneira de descobrir se há super-dispersão ao lidar com um modelo de Poisson é comparar o desvio residual com os graus residuais de liberdade. Supõe-se que sejam os mesmos; portanto, se o desvio residual for maior que os graus de liberdade residuais, isso é uma indicação de super-dispersão. Há também o teste de Cameron & Trivedi da suposição de equidispersão, mas, novamente, não tenho certeza se isso pode ser realizado pelo pacote lme4.
Graeme Walsh
3
@Penguin_Knight: ela não parece qcc.overdispersion.testapropriado (que testa para sobredispersão em matérias de dados binomial, não em um modelo)
Ben Bolker

Respostas:

4

Entre muitos outros petiscos úteis no GLMM com lmer () e outros softwares de montagem do GLMM, consulte a seção na seguinte página da Web chamada Como posso lidar com a super-dispersão nos GLMMs?

http://glmm.wikidot.com/faq

ndoogan
fonte
Isso é mais um comentário do que uma resposta. Você poderia expandi-lo, talvez dando um resumo das informações no link?
gung - Restabelece Monica
0

O pacote AER (p.33) possui o teste de Cameron & Trivedi da suposição de equidispersão que pode ser usada com GLMs.

AER::dispersiontest(model1)
daszlosek
fonte
2
Embora a implementação seja frequentemente misturada ao conteúdo substantivo das perguntas, devemos ser um site para fornecer informações sobre estatísticas, aprendizado de máquina etc., não sobre código. Também pode ser bom fornecer código, mas elabore sua resposta substantiva em texto para pessoas que não leem esse idioma o suficiente para reconhecer e extrair a resposta do código.
gung - Restabelece Monica