Graphique pour représenter les betas et leur IC

[Serge Faye]

Bonjour,
Comment faire un graphique qui représente simultanément les betas et leurs IC issus d'un GLM family=poisson?
Merci d'avance

[Renaud Lancelot]

Voir les fonctions coef et vcov pour extraire les coefs et leur matrice de variance covariance. Le reste est tout aussi trivial et il y a de nombreux exemples traités sur ce forum.

[Serge Faye]

J'ai utilisé ce bout de code pour avoir pour calculer les beta et leur IC:

Code : Tout sélectionner

library(sandwich)
cov.m1<-vcovHC (mod, type="HC0")
std.err<-sqrt(diag(cov.m1))
r.est<-cbind(estimate=mod$coefficients, std.err,
       pvalue=round(2*(1-pnorm(abs(mod$coefficients/std.err))),5),
       lower=mod$coefficients-1.96*std.err,
       upper=mod$coefficients+1.96*std.err)
       
r.est

Et un extrait du résultat que j'ai du mal à représenter sur un graphique:

estimate std.err pvalue lower upper
(Intercept) 3.20128338 0.09936486 0.00000 3.00652825 3.39603851
lage30-40 ans 0.15844727 0.04669330 0.00069 0.06692841 0.24996613
lage40-50 ans 0.38685465 0.04606461 0.00000 0.29656802 0.47714128
lage50-60 ans 0.48844478 0.04655663 0.00000 0.39719379 0.57969578
lage60 ans + 0.55131438 0.10499819 0.00000 0.34551793 0.75711082

Autre question Renaud, : es ce qu'il aussi valable de faire exp(beta) pour le risque relatif et exp(IC) pour leur IC respectifs?
Merci d'avance

[Renaud Lancelot]

Ne pas hésiter à utiliser la fct "Rechercher" du forum: 13 pages de résultats avec "plot confidence interval" !!!

Dont par exemple viewtopic.php?t=3848

Oui pour la seconde question. Attention cependant aux chausses-trappes de l'interprétation des coefficients. Pour cette raison, je préfère utiliser la fonction predict (voir les arguments "type", "se"...), appliquée sur des combinaisons adéquates des variables explicatives. La fonction expand.grid est très utile dans ce cadre.