J'essaie de comprendre comment utiliser la fonction lmer pour réaliser une régression logistique.
Mes données ont cette allure:
Code : Tout sélectionner
souche repetition encapsul= Réponse= variable binaire
1059 A45 bt 0
1060 A45 bt 0
1061 A45 bt 0
1062 A45 bt 0
1063 A45 bt 0
1064 SF1 bu 1
1065 SF1 bu 1
...
...
1078 SF1 bv 0
1079 SF1 bv 0
1080 SF1 bv 0
1081 SF1 bv 0
1082 SF1 bv 0
J'ai une réponse binaire, et je cherche à déterminer si elle diffère entre mes souches (n=30) sachant que pour chaque souche on a des répétition ( généralement 4 répétitions, pour lesquelle on obtient un nombre variable de réponses 0 ou 1).
J'ai donc tenté de modéliser ceci, mais je ne suis pas sûre de moi...
Est-ce que la formule:
lmer(encapsul ~souche+ (1|souche:repetition), family="binomial")->mix3 est correcte par rapport à ce que je souhaite tester?
Si j'utilise ensuite une anova, j'obtiens:
Code : Tout sélectionner
> anova(mix3)
Analysis of Variance Table
Df Sum Sq Mean Sq Denom F value Pr(>F)
souche 29 0.14 0.004704 1660.00 0.0072 1
Si je ne me trompe pas, la conclusion de tout ceci est que je n'ai pas de différence significative entre mes souches?
Malheureusement, si je m'en reporte à cette discussion: http://finzi.psych.upenn.edu/R/Rhelp02a ... 61884.html je ne sais pas quel crédit je dois accorder au résultat de l'anova.
Le sommaire de la régression donnant ceci:
Code : Tout sélectionner
> summary(mix3)
Generalized linear mixed model fit using PQL
Formula: encapsul ~ souche + (1 | souche:repetition)
Family: binomial(logit link)
AIC BIC logLik deviance
1065.961 1239.801 -500.9807 1001.961
Random effects:
Groups Name Variance Std.Dev.
souche:repetition (Intercept) 5.1336 2.2657
# of obs: 1690, groups: souche:repetition, 111
Estimated scale (compare to 1) 0.7750342
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -3.464559 1.380345 -2.50992 0.01208 *
soucheA21 2.566020 1.883634 1.36227 0.17311
soucheA22 1.680399 1.958827 0.85786 0.39097
soucheA28 1.473629 1.888869 0.78016 0.43529
soucheA3 0.983925 1.922013 0.51192 0.60870
soucheA32 1.780925 1.816156 0.98060 0.32679
soucheA34 1.169993 2.067607 0.56587 0.57148
soucheA41 1.900044 1.829047 1.03882 0.29889
soucheA45 0.254297 2.024243 0.12563 0.90003
soucheA5 2.605590 1.870204 1.39321 0.16356
soucheAc11 1.968235 1.910949 1.02998 0.30302
soucheAc13 -0.891319 2.061694 -0.43232 0.66551
soucheAc14 3.994075 1.929978 2.06949 0.03850 *
soucheAc16 2.593285 1.917688 1.35230 0.17628
soucheAc21 2.074794 1.979327 1.04823 0.29453
soucheAc3 0.673147 1.951983 0.34485 0.73021
soucheAc9 3.825062 1.952796 1.95876 0.05014 .
soucheAcX 1.004453 1.879326 0.53448 0.59301
soucheAcY 1.935509 1.824665 1.06075 0.28880
soucheSF1 0.873992 1.867653 0.46796 0.63981
soucheSF11 4.128431 1.940136 2.12791 0.03334 *
soucheSF12 1.930819 1.882131 1.02587 0.30495
soucheSF2 3.537742 2.023653 1.74820 0.08043 .
soucheSF3 0.923809 2.023648 0.45651 0.64803
soucheSF4 1.606224 2.107019 0.76232 0.44587
soucheSF5 -1.453207 2.172547 -0.66890 0.50356
soucheSF6 2.309963 1.976730 1.16858 0.24257
soucheSF7 0.080365 1.902902 0.04223 0.96631
soucheSF8 3.558574 1.916392 1.85691 0.06332 .
soucheSF9 1.357004 1.983106 0.68428 0.49380
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Bref, je ne sais pas si j'ai bien procédé, je ne sais pas quoi conclure, ni si je peux conlure quelque chose, ou s'il y a d'autres façons de procéder...
Merci d'avance pour tout conseil ou remarque...
K.i espère ne pas se couvrir de ridicule...