Je travaille actuellement sur l'analyse d'une variable réponse de type comptage (nb de groupe d'animaux ou d'individus ) par des variables explicatives numériques.
Une première analyse avec un glm de type poisson montre une surdispersion
je me suis donc orienté vers les glm de type quasi poisson et négative binomiale. Ce dernier présente le meilleur AIC
Call:
glm.nb(formula = nbg ~ V_moy + T_moy, data = tab_var, init.theta = 5.851164708,
link = log)
Deviance Residuals:
Min 1Q Median 3Q Max
-2.4428 -0.6996 -0.1760 0.2646 2.5185
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 4.119001 0.484347 8.504 < 2e-16 ***
V_moy -0.020288 0.006779 -2.993 0.00276 **
T_moy -0.017916 0.016850 -1.063 0.28764
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for Negative Binomial(5.8512) family taken to be 1)
Null deviance: 68.682 on 61 degrees of freedom
Residual deviance: 59.985 on 59 degrees of freedom
AIC: 407.14
Number of Fisher Scoring iterations: 1
je voudrais tester l'ajustement de mes données au modèle. j'ai utilisé un test du chi2
Code : Tout sélectionner
gof <- sum(residuals(md.nb1 , "pearson")^2)
pchisq(q = gof , df = md.nb1$df.residual , lower.tail = F)
Or dans ce sujet (viewtopic.php?t=4936) Renaud lancelot indiquait : "Le modèle quasi-binomial ne fournit pas des estimateurs du maximum de vraisemblance, et n'est pas un vrai glm. Je ne pense pas qu'on puisse utiliser les tests du chi2 ou de la déviance pour juger de la qualité globale de l'ajustement"
Par quelle méthode du coup peut on vérifier l'ajustement dans ce cas là?
merci d'avance pour vos réponses