GLMM Distribution de Poisson approximation de Laplace

[Adrienne Gastineau]

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

[Nicolas Péru]

Bonjour,

Désolé mais on est sensé répondre sur quel point ?
A toutes fins utiles : Objectifs du forum

Donc pas de questions de stats sur ce forum.

Nicolas

[Adrienne Gastineau]

Bonjour,

Merci pour ce message d'une grande aide... :)

Mon but est de comprendre la sortie de mon modèle PAS DE SAVOIR SI MON TEST EST JUSTE MAIS DE COMPRENDRE COMMENT R FONCTIONNE LORS DES GLMM = COMPRENDRE LA SORTIE DE R (et pas des lmer mais bien des glmer, c'est un problème de R non? et pas de stats enfin je crois) ET POURQUOI CERTAINES DE MES VARIABLES DISPARAISSENT (pour lequel j'ai même lu des échanges de mail entre Bates et Bolker).

Effectivement ce n'était pas très détaillé dans mon premier message donc merci de m'avoir fait préciser Nicolas Péru...

Merci aux utilisateurs de ce forum
Adrienne

[Nicolas Péru]

Re

Si tu as une réponse comme celle que je t'ai donnée, c'est qu'il y a un problème dans ton message.

Donc qu'attends tu exactement ? (on ne va pas te faire un descriptif complet d'une sortie de glmer)
Quels sont les points qui te bloquent par rapport à ce que tu attends des sorties d'un modèle mixte ?
Tu parles de variables qui disparaissent, lesquelles ? Par rapport à la construction de ton modèle, il me semble que toutes tes variables y sont.
Est-ce par ce que tu ne vois pas tous les niveaux du facteur ? Dans ce cas, ne pas oublier que R, par défaut, prend une modalité témoin, ce qui modifie l'estimation de l'intercept du modèle mais c'est juste une astuce de calcul (voir ?contrasts)

A toi de préciser, car pour le moment on y voit pas clair et j'ai l'impression que tu as mal perçu le sens de mon premier message.

Nicolas

[Logez Maxime]

Bonjour,

Au risque de te décevoir une seconde fois, je partage l'avis de Nicolas. La seule question de R que je vois dans ta question est la disparition de certaines variables.

Tu as dans l'idée de faire un GLMM. Ok. Si tu connais un peu les GLMM quelles sorties tu t'attendrais à avoir ? Si tu t'attends à certaines sorties et que tu ne sais pas comment les retrouver alors c'est du R et les gens de ce forum se feront une joie de te donner la ou les commandes pour retrouver les sorties souhaitées. Si tu fais un modèle et que tu ne sais pas analyser les sorties du logiciel parce que par méconnaissance tu ne sais pas à quoi t'attendre, alors ce n'est plus du R mais un problème de statistiques, et la question est hors sujet.

Cordialement,
Maxime

[Adrienne Gastineau]

Bon si mon message pose problème je vais essayer de réexpliquer :

Si je fais un glmer type :

> mod <- glmer(Mark ~ Sex + Age + Sex:Age + (1|Indiv), family=poisson, data=tab)

Mark est une variable binaire 0 je ne marque pas 1 je marque
Sex propose 3 niveaux Mâle M femelle F et indifférencié d
Age propose 3 niveaux adulte subadulte et jeunes

donc dans ma sortie summary je m'attends à avoir au niveau des effets fixes :
SexF
SexM
Sexd
AgeAd
AgeSub
AgeJeune
SexF:AgeAd
SexF:AgeSub
SexF:AgeJeune
SexM:AgeAd
SexMAgeSub
SexM:AgeJeun
Sexd:AgeAd
Sexd:AgeSub
Sexd:AgeJeune

Sauf que justement les niveaux de variable qui disparaissent sont à chaque fois les premiers par ordre alphabétique... Donc je comprends bien que R prend les variables comme témoin afin de comparer par rapport à un zéro mais justement l'intercept c'est l'estimation de mes niveaux de variables qui ont disparu ? Ou Est-ce une estimation différente mais les prenant en compte ?
C'est vraiment la seule chose que je cherche à comprendre.

Désolé si j'ai mal compris le premier message mais cela fait deux semaines que je suis sur ces modèles, j'ai lu beaucoup de chose mais les exemples et aides donnent surtout sur du lmer que je sais interpréter mais le glmer semble beaucoup plus compliqué... Je ne serais pas venu sur ce forum si ce n'était pas parmi mes derniers recours afin de comprendre la sortie sous R... J'aime comprendre ce que je fais et ne pas appliquer bêtement surtout que pour moi les pvalues ne sont pas une fin en soi mais plus une idée de l'effet à vérifier...
Merci à vous.

Adrienne

[Nicolas Péru]

Dans le cadre des contrasts de type contr.treatment, l'intercept intègre les estimations des modalités témoin. Cela ne change pas grand chose, il faut juste savoir comment tu interprètes les coefficients obtenus : le coefficient se lit bien comme étant la modification de y obtenue quand on passe de la modalité témoin à la modalité X.

Lis de la doc sur les contrastes et tu y verras beaucoup plus clair.
par ex : http://bdesgraupes.pagesperso-orange.f

Nicolas

[Adrienne Gastineau]

Bonjour,

J'ai bien trouvé la réponse. C'était bien un problème de syntaxe de ma formule (donc du codage R et non pas un problème de stats pur).
Trouver dans la page 3 du doc sur les contrastes référencé par Nicolas Péru et par d'autres aides. Ca a pris du temps mais ça l'a fait.
Par ailleurs, pour toutes personnes travaillant sur des GLMMs je recommande le livre de Burnham & Anderson 1998.

Adrienne