如何在R中使用lmer()测试泊松GLMM中的过度分散?


12

我有以下模型:

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

...这是摘要输出。

> 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

它可能过于分散,但是我该如何计算呢?

非常感谢。


尝试使用qcc软件包中的qcc.overdispersion.test
Penguin_Knight

4
我并不精通使用lme4软件包,但是在处理Poisson模型时找出是否存在过度分散的一种方法是将剩余偏差与剩余自由度进行比较。假定它们是相同的,因此,如果残余偏差大于残余自由度,则表明过度分散。也有Cameron&Trivedi检验了等价散布的假设,但同样,我不确定lme4软件包是否可以执行此测试。
Graeme Walsh 2013年

3
@Penguin_Knight:看起来qcc.overdispersion.test不合适(它测试原始二项式数据中的过度分散,而不是模型中的过度分散)
Ben Bolker 2014年

Answers:


4

在使用lmer()和其他GLMM拟合软件的GLMM上的许多其他有用花絮中,请查看以下网页上名为“ 如何处理GLMM中的过度分散”的部分?

http://glmm.wikidot.com/faq


这更多是评论而不是答案。您可以通过在链接上提供信息摘要来扩展它吗?
gung-恢复莫妮卡

0

AER软件包(第33页)具有Cameron&Trivedi检验,该检验对可以与GLM一起使用的等分散度假设进行了测试。

AER::dispersiontest(model1)

2
尽管实现常常与问题中的实质内容混合在一起,但是我们应该是一个提供有关统计信息,机器学习等信息的网站,而不是代码。也可以提供代码,但是对于那些不太了解该语言以识别并从代码中提取答案的人,请在文本中详细说明您的实质性答案。
gung-恢复莫妮卡
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.