আমার কাছে নিম্নলিখিত মডেল রয়েছে:
> model1<-lmer(aph.remain~sMFS1+sAG1+sSHDI1+sbare+season+crop
+(1|landscape),family=poisson)
... এবং এটি সারাংশ আউটপুট।
> 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
এটি সম্ভবত অতিরিক্ত সংবেদনশীল, তবে আমি কীভাবে এটি গণনা করব?
অনেক ধন্যবাদ.
মধ্যে qcc.overdispersion.test চেষ্টা qcc প্যাকেজ।
—
পেঙ্গুইন_কেট
আমি lme4 প্যাকেজটি ব্যবহার করতে পারদর্শী নই, তবে পইসন মডেলের সাথে কাজ করার সময় অতিরিক্ত পরিমাণে আছে কিনা তা খুঁজে বের করার একটি উপায় হ'ল বাকী বিচ্যুতির সাথে স্বাধীনতার অবশিষ্টাংশের সাথে তুলনা করা। এগুলি একই হিসাবে ধরে নেওয়া হয়, সুতরাং যদি অবশিষ্ট অব্যাহততা স্বাধীনতার অবশিষ্টাংশগুলির চেয়ে বেশি হয়, তবে এটি অতিমাত্রায় বিভক্ত হওয়ার ইঙ্গিত। সাম্যবিদ্যার অনুমানের ক্যামেরন ও ত্রিবেদী পরীক্ষাও রয়েছে, তবে আবার, আমি নিশ্চিত নই যে এটি lme4 প্যাকেজ দ্বারা সম্পাদন করা যায় কিনা।
—
গ্রিম ওয়ালশ
@ পেঙ্গুইন_কাইট: এটি
—
বেন বলকার
qcc.overdispersion.testদেখতে উপযুক্ত বলে মনে হচ্ছে না (এটি কোনও মডেলের মধ্যে নয়, কাঁচা দ্বিপদী তথ্যের অতিরিক্ত পরিমাণে পরীক্ষা করার জন্য )