Offset dans un modèle linéaire mixte

[Ludovic Momont]

Bonjour,

Est-ce qu’une âme charitable pourrait me dire s’il y a des contraintes dans l’application/le choix d’une variable comme offset dans un modèle linéaire mixte généralisé.
Je m’explique. J’aimerai connaître l’utilisation d’un milieu par une espèce animale. En gros, j’ai des comptes mensuels de ces animaux dont les individus sont identifiés que j’utilise comme variable réponse. Mes variables prédictives sont les estimations de ressources alimentaires mensuelles et la pluviométrie mensuelle.
Je voudrais ajouter comme offset le logarithme du nombre de jours échantillonnés dans le mois, c'est-à-dire l’effort d’échantillonnage (qui varie sur les 3 années de suivi). Cela vous parait-il correct ? J’ai fait des recherches dans des livres de stats et sur internet, ainsi que sur ce forum, mais je n’ai pas trouvé les infos souhaitées.
Merci d’avance pour toute aide,

Ludovic

[Renaud Lancelot]

Pas de pb, a priori.

Code : Tout sélectionner

> library(lme4)
Le chargement a nécessité le package : Matrix
Le chargement a nécessité le package : lattice

Attachement du package : 'Matrix'


        The following object(s) are masked from package:stats :

         xtabs


        The following object(s) are masked from package:base :

         colMeans,
         colSums,
         rcond,
         rowMeans,
         rowSums

> m1 <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd),
+                   data = cbpp, family = binomial)
> m2 <- glmer(incidence ~ period + offset(log(size)) + (1 | herd),
+                   data = cbpp, family = poisson)
> m1
Generalized linear mixed model fit by the Laplace approximation
Formula: cbind(incidence, size - incidence) ~ period + (1 | herd)
   Data: cbpp
   AIC   BIC logLik deviance
 110.1 120.2 -50.05    100.1
Random effects:
 Groups Name        Variance Std.Dev.
 herd   (Intercept) 0.4125   0.64226
Number of obs: 56, groups: herd, 15

Fixed effects:
            Estimate Std. Error z value Pr(>|z|)   
(Intercept)  -1.3985     0.2279  -6.137 8.42e-10 ***
period2      -0.9923     0.3054  -3.249 0.001156 **
period3      -1.1287     0.3260  -3.462 0.000537 ***
period4      -1.5804     0.4288  -3.686 0.000228 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
        (Intr) perid2 perid3
period2 -0.351             
period3 -0.329  0.267       
period4 -0.249  0.202  0.186
> m2
Generalized linear mixed model fit by the Laplace approximation
Formula: incidence ~ period + offset(log(size)) + (1 | herd)
   Data: cbpp
  AIC   BIC logLik deviance
 99.3 109.4 -44.65    89.31
Random effects:
 Groups Name        Variance Std.Dev.
 herd   (Intercept) 0.24165  0.49158
Number of obs: 56, groups: herd, 15

Fixed effects:
            Estimate Std. Error z value Pr(>|z|)   
(Intercept)  -1.6484     0.1869  -8.819  < 2e-16 ***
period2      -0.8441     0.2841  -2.971  0.00296 **
period3      -0.9663     0.3055  -3.163  0.00156 **
period4      -1.3911     0.4100  -3.393  0.00069 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
        (Intr) perid2 perid3
period2 -0.357             
period3 -0.331  0.237       
period4 -0.247  0.175  0.161
>

Renaud