Questions marquées «overdispersion»

La surdispersion se produit lorsqu'il y a une plus grande variabilité qu'il ne devrait y en avoir dans les données. Par exemple, la variance des dénombrements est souvent supérieure à la moyenne, alors que la variance d'un Poisson devrait être égale à la moyenne.

4
Comment puis-je adapter un modèle à plusieurs niveaux pour les résultats de poissons trop dispersés?
Je veux adapter un GLMM à plusieurs niveaux avec une distribution de Poisson (avec sur-dispersion) en utilisant R. En ce moment j'utilise lme4 mais j'ai remarqué que récemment la quasipoissonfamille a été supprimée. J'ai vu ailleurs que vous pouvez modéliser une surdispersion additive pour les distributions binomiales en ajoutant une …
2
Qu'est-ce que la distribution quasi-binomiale (dans le contexte du GLM)?
J'espère que quelqu'un pourra fournir un aperçu intuitif de ce qu'est la distribution quasi-binomiale et de ce qu'elle fait. Je suis particulièrement intéressé par ces points: En quoi le quasibinôme diffère de la distribution binomiale. Lorsque la variable de réponse est une proportion (les valeurs d'exemple incluent 0,23, 0,11, 0,78, …
2
Quand quelqu'un dit que la déviance résiduelle / df devrait ~ 1 pour un modèle de Poisson, quelle est approximative approximative?
J'ai souvent vu les conseils pour vérifier si un ajustement du modèle de Poisson est trop dispersé, ce qui implique de diviser la déviance résiduelle par les degrés de liberté. Le rapport résultant doit être "environ 1". La question est de savoir de quelle plage parlons-nous pour "approximative" - ​​quel …
2
Surdispersion dans la régression logistique
J'essaie de comprendre le concept de surdispersion dans la régression logistique. J'ai lu que la surdispersion se produit lorsque la variance observée d'une variable de réponse est supérieure à celle attendue de la distribution binomiale. Mais si une variable binomiale ne peut avoir que deux valeurs (1/0), comment peut-elle avoir …
1
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 réellement et pourquoi? …
1
Coefficients identiques estimés dans le modèle Poisson vs Quasi-Poisson
En modélisant les données du nombre de sinistres dans un environnement d'assurance, j'ai commencé avec Poisson mais j'ai ensuite remarqué une surdispersion. Un Quasi-Poisson modélisait mieux la relation moyenne-variance plus élevée que le Poisson de base, mais j'ai remarqué que les coefficients étaient identiques dans les modèles de Poisson et …
1
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 films différents ont été montrés en …
2
Comment tester la surdispersion dans Poisson GLMM avec lmer () dans R?
J'ai le modèle suivant: > model1<-lmer(aph.remain~sMFS1+sAG1+sSHDI1+sbare+season+crop +(1|landscape),family=poisson) ... et voici la sortie récapitulative. > 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 …
1
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 summary(model). Ces deux derniers donnent les mêmes réponses. En utilisant un …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.