নেতিবাচক দ্বিপদী GLM থেকে "অ-পূর্ণসংখ্যক" সতর্কতা কীভাবে মোকাবেলা করবেন?


11

আমি নেগেটিভ দ্বিপদী মডেল ব্যবহার করে আর-তে কোনও হোস্টকে প্রভাবিত করে পরজীবীর গড় তীব্রতা মডেল করার চেষ্টা করছি। আমি 50 বা ততোধিক সতর্কতা পেয়ে যাচ্ছি যা বলে:

In dpois(y, mu, log = TRUE) : non-integer x = 251.529000

আমি কীভাবে এটি মোকাবেলা করতে পারি? আমার কোডটি এর মতো দেখাচ্ছে:

mst.nb = glm.nb(Larvae+Nymphs+Adults~B.type+Month+Season, data=MI.df)

1
লোকদের সাথে কাজ করার জন্য দয়া করে একটি পুনরুত্পাদনযোগ্য উদাহরণ যুক্ত করুন ।
গুং - মনিকা পুনরায়

5
নেতিবাচক দ্বিপদী GLiM এক ধরণের গণনা মডেল। প্রতিক্রিয়া গণনা করা হয় বলে মনে করা হয়। সংজ্ঞা অনুসারে একটি গণনা একটি ভগ্নাংশের মান হতে পারে না। আপনার কি এমন মূল্যবোধ আছে?
গুং - মনিকা পুনরায়

1
"তীব্রতা" বলতে কী বোঝাতে চেয়েছেন তা কি আপনি পরিষ্কার করতে পারেন? আপনি কি কোনও পরকীয়ার একটি গণনা ভাগ করে নিচ্ছেন, বলুন, কোনও হোস্টের জন্য বেশিরভাগ পৃষ্ঠতল?
গুং - মনিকা পুনরায়

1
আমার কাছে ডেটা গণনা করা আছে, তবে বিভিন্ন নমুনা প্রচেষ্টার জন্য আমাকে তীব্রতা গণনা করতে হয়েছিল। আমি বুঝতে পারি যে সেখানে আমার ডেটা গণনা করা দরকার, তবে আমি কেবল ভাবছিলাম যে একই মডেলটি ব্যবহার করে অ-পূর্ণসংখ্যার সংখ্যাগুলির সাথে কাজ করার অন্য কোনও উপায় ছিল কিনা। তীব্রতার জন্য আমি সংক্রামিত হোস্টের সংখ্যার সাথে পরজীবীর গণনা বিভক্ত করেছি।
নাতাশা

2
@ নাতাশা, এটি করবেন না অবিশ্বাস্যভাবে সম্ভবত এই সমস্যাটি পরিচালনা করার সঠিক উপায়টি অফসেট সহ গুংয়ের উত্তর অনুসারে। আপনি যদি নিশ্চিত হতে চান তবে ডিফারেন্সিয়াল নমুনার তীব্রতা কোথা থেকে এসেছে সে সম্পর্কে আরও কিছুটা বোঝাতে আপনার প্রশ্নটি সম্পাদনা করুন। এই বিভিন্ন হোস্ট হয়? নমুনাযুক্ত বিভিন্ন সময়, বা সংগ্রহকারীর সংখ্যা?
বেন বলকার

উত্তর:


9

Negativeণাত্মক দ্বিপদীটি গণনা ডেটার জন্য বিতরণ, সুতরাং আপনি সত্যিই আপনার প্রতিক্রিয়া ভেরিয়েবলকে গণ্য করতে চান (এটি, অ-নেতিবাচক পুরো সংখ্যা)। এটি বলেছিল, "বিভিন্ন নমুনা প্রচেষ্টার" জন্য অ্যাকাউন্ট করা উপযুক্ত (আপনি ঠিক কী উল্লেখ করছেন তা আমি জানি না, তবে আমি এর সূচনা পেয়েছি)। যাইহোক, আপনার সংখ্যাটি অন্য একটি সংখ্যা দিয়ে ভাগ করে নেওয়া উচিত নয়। পরিবর্তে, আপনাকে সেই অন্য নম্বরটি অফসেট হিসাবে ব্যবহার করতে হবে । এখানে অফসেটটি কী তা নিয়ে সিভিতে একটি দুর্দান্ত আলোচনা রয়েছে: পইসন রিগ্রেশনটিতে অফসেটটি কখন ব্যবহার করবেন? আমার অনুমান যে আপনার মডেলটি এমন কিছু হওয়া উচিত:

mst.nb = glm.nb(Larvae+Nymphs+Adults~B.type+Month+Season + offset(log(num.hosts)), 
                data=MI.df)

ধন্যবাদ. আমি এটি চেষ্টা করব এবং আমি কী করেছি তা জানাতে ফিরে আসব।
নাতাশা

ওটি: আমি কিছু অনুপস্থিত, একটি প্রতিরোধের অনেক ফলাফল পাওয়ার অর্থ কী ??
বাকাবার্গ

@ বাকাবুর্গ, আপনি কী উল্লেখ করছেন তা আমি বলতে পারি না।
গুং - মনিকা পুনরায়

কোডটিতে "লার্ভা + নিমফস + অ্যাডাল্টস" অংশ।
বাকাবুরগ

1
@ বাকবুর্গ, এটি আর কীভাবে কাজ করে তা সম্পর্কে। সংযোজন মৌলিক দিকের। 3 টি ভেক্টর যুক্ত করা আপনাকে একটি একক ভেক্টর দেয় যেখানে প্রতিটি উপাদান 3 টি সংশ্লিষ্ট উপাদানের যোগফল। কোনও আর সূত্রের এলএইচএসে একাধিক প্রতিক্রিয়া ভেরিয়েবলগুলি রাখতে, আপনাকে ব্যবহার করতে হবে cbind()
গুং - মনিকা পুনরায়

4

এটি একটি সতর্কতা, মারাত্মক ত্রুটি নয়। glm.nb () আপনার ফলাফলের পরিবর্তনশীল হিসাবে গণনা প্রত্যাশা করছে, যা পূর্ণসংখ্যা। আপনার ডেটা পূর্ণসংখ্যার নয়: 251.529।

আর বলছেন "হুমমম ... আপনি এটি পরীক্ষা করে দেখতে এবং এটি ঠিক আছে কিনা তা নিশ্চিত করতে চাইতে পারেন, কারণ এটি সম্ভবত সঠিক হতে পারে না।" যদি আমার স্মৃতি সঠিক হয়, এসপিএসএস এমন সতর্কতা দেয় না।

আপনি যদি নিশ্চিত হন যে আপনি সঠিক মডেলটি ব্যবহার করছেন, যদিও আপনার পূর্ণসংখ্যা নেই, এটিকে এড়িয়ে যান এবং চালিয়ে যান।


1
আমি জানি এটি একটি সতর্কবার্তা, আমি কেবল ভাবছিলাম যে এর আশেপাশে কোনও উপায় আছে কিনা। আমার পূর্ণসংখ্যা রয়েছে যদিও আমি দেখতে চেষ্টা করছিলাম যে কোনও পূর্ণসংখ্যার সাথে কাজ করার কোনও উপায় আছে তবে একই কোডটি ভিন্ন কোড সহ ব্যবহার করছে কিনা।
নাতাশা

1
কিভাবে দমন সতর্কবার্তা করার জন্য এখানে ব্যাখ্যা করেছিলেন: stackoverflow.com/questions/16194212/...
kjetil খ halvorsen

-2

আমি একজন বাস্তুসংস্থার পরজীবী বিশেষজ্ঞ ... আপনার যে পদ্ধতিটি পরিচালনা করা উচিত তা হ'ল প্যারাসিটাইজড হোস্ট এবং যেটি ছিল না সেগুলি বাঁধাই করে এবং তারপরে দ্বিপদী বিতরণ ব্যবহার করে .. নীচের কোডটি দেখুন।

আমি কখনও এক গ্ল্যাম ডাব্লু / একাধিক ওয়াই ভেরিয়েবল ব্যবহার করি নি .. সুতরাং আসুন আপনি প্যারাসিটাইজড লার্ভা দেখতে চান: আপনার কাছে স্বাস্থ্যকর এবং লার্ভাগুলির # টি হবে যা পরজীবী ছিল were

বলুন: Lh এবং Lp

উদাহরণস্বরূপ

প্যারাসিটাইজড এল = সিবাইন্ড (এলপি, এলএইচ) হিস্ট (প্যারাসিটাইজড) # আমি অনুমান করে আপনি কেবল একটি নিয়মিত দ্বিপদী বিতরণ ডাব্লু / গ্ল্যাম ব্যবহার করতে পারেন .. এবং হয়ত নেগ.বিনোমিয়াল মডেল PLarvae1 = গ্ল্যামের প্রয়োজন নেই (প্যারাসিটাইজড বি-টাইপ + মাস + মরসুম, পরিবার = দ্বিপদ, ডাটা = MI.df)

তারপরে ধাপে ধাপে মডেল হ্রাস করার জন্য আপনার কোন কারণগুলি পরজীবতত্ত্বকে উল্লেখযোগ্যভাবে প্রভাবিত করে ... নীচের লিঙ্কটি দেখুন

http://bbolker.github.io/mixedmodels-misc/glmmFAQ.html

তবে দেখে মনে হচ্ছে পুনরাবৃত্ত নমুনার জন্য অ্যাকাউন্টে আপনার এলোমেলো প্রভাব থাকতে হবে .. সুতরাং সম্ভবত আপনার এলোমেলো প্রভাবটি হবে (1 | মরসুম / মাস) ... তবে ডাব্লু / ও আপনার ডেটা জেনে বলা শক্ত

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.