一般化线形モデル.pptVIP

架空データを用いた解析例（ケース２） * C. Rに放り込んでモデルを量産 model1 - glm(cbind(fluits, flowers-fluits)~1 , family = binomial, data = case2) model2 - glm(cbind(fluits, flowers-fluits)~height, family = binomial, data = case2) 今回の場合、 おそらく２通りのモデルが考えられる 確率を扱いたいので、二項分布を仮定する 応答変数部分を、 cbind(結実した数, 結実しなかった数) となるように記述 Bは飛ばして D. モデル選択とその結果の確認 AIC model1 1006.6 model2 149.4 ?AICが低いモデルほど、簡潔かつデータによく当てはまっているモデル ?今回の場合、heightを説明変数にもつmodel2がベストモデルと言えよう flowers ではなく、「結実しなかった数」を データ項目としておいてもよい ～した ～しなかった 有り 無し 成功 失敗 ? ? ? ? ? ? 架空データを用いた解析例（ケース２） D. モデル選択とその結果の確認 * 推定された係数から、この植物Bの結実確率の予測は植物の高さ（height）を用いて以下のように表せる 架空データを用いた解析例（ケース２） D. モデル選択とその結果の確認 * 推定された係数から、この植物Bの結実確率の予測は植物の高さ（height）を用いて以下のように表せる ベストモデルの予測を図示 架空データを用いた解析例（ケース２） E. モデルの検査 * 今回も??? 過分散のチェック ovdis(model2, 0.99) confidence interval level: 99 % outers: 0 in 100 samples 99%信頼区間から外れているプロットはひとつもない 　　　　　　過分散ではない 満足する？　Bへ戻る？ ケース２　終 * おまけ #過分散（overdispersion）を調べる関数。lmを継承したモデリング関数なら代入して平気なはず。 #model：過分散を調べたいモデル, level：信頼区間 #family = poisson(link = log), binomial(link = logit)) にのみ対応 ovdis - function(model, level = 0.95){ if((level 0) || (level 1)){ cat(level: error\n) }else{ if(model$family$family == poisson){ Y - model$y pred - model$fitted area.over - qpois(1 - (1-level)/2, lambda = pred) area.under - qpois(0 + (1-level)/2, lambda = pred) }else if(model$family$family == binomial){ Y - model$model[1][,1][,1] N - model$model[1][,1][,2] YN - Y+N pred - model$fitted*YN area.over - qbinom(1 - (1-level)/2, size = YN, prob = pred/YN) area.under - qbinom(0 + (1-level)/2, size = YN, prob = pred/YN) } info - data.frame(Y, pred, area.over, area.under) info - info[order(info$pred),] with(info,{ plot(pred, Y, xlab = predictive value(予測値), main = 過分散チェック, ylab = 応答変数の実測値＆モデルの信頼区間) points(pred, pred, type = l) lines(pred, area.over, lty = 2, col = 2) lines(pred, area.under, lty = 2, col = 4) }) samples - length(