Bonjour,
Je travaille sur des données comportementales a posteriori. J'ai donc fait un GLMM avec distribution de poisson et approximation de Laplace comme préconisé par l'arbre de décision dans l'article de Bolker et al 2008.
Malgré toute l'aide d'internet et autres articles je n'arrive pas à interpréter la sortie.
Je vous mets un exemple de modèle :
library(lme4)
m1b <- glmer(Mark ~ Period + Age.class + Sex + Age.class:Sex + (1|Indiv),data=Regrb,family=poisson)
> print(summary(m1b)) #799 AIC
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
Family: poisson ( log )
Formula: Mark ~ Period + Age.class + Sex + Age.class:Sex + (1 | Indiv)
Data: Regrb
AIC BIC logLik deviance df.resid
799.6 831.8 -391.8 783.6 405
Scaled residuals:
Min 1Q Median 3Q Max
-1.0096 -0.8110 0.2919 0.3921 1.0757
Random effects:
Groups Name Variance Std.Dev.
Indiv (Intercept) 0 0
Number of obs: 413, groups: Indiv, 22
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.26144 0.13647 -1.916 0.0554 .
PeriodNB -0.12816 0.12438 -1.030 0.3028
PeriodSH 0.14971 0.36437 0.411 0.6812
Age.classcubs -0.64002 0.46141 -1.387 0.1654
Age.classsubadult 0.28063 0.26525 1.058 0.2901
SexM -0.02939 0.13847 -0.212 0.8319
Age.classsubadult:SexM -0.08791 0.35962 -0.244 0.8069
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) PerdNB PerdSH Ag.clssc Ag.clsss SexM
PeriodNB -0.624
PeriodSH -0.079 0.126
Age.clsscbs -0.127 -0.085 -0.011
Ag.clsssbdl -0.345 0.049 0.006 0.089
SexM -0.784 0.292 -0.070 0.153 0.324
Ag.clsss:SM 0.272 -0.064 -0.022 -0.063 -0.739 -0.365
D'autre part, j'ai parfois le message d'erreur suivant : "fixed effect model matrix is rank deficient so dropping 4 columns/coefficients"
Merci à vous pour toute aide.
Adrienne