Je souhaiterais revenir sur l'AIC, et notamment sur le contenu du pdf de Renaud ftp://ftp.cirad.fr/pub/group-r/groupe-r/Fiches/AIC_v3.pdf .
Je cite : " il est necessaire de verifier que le modèle complet ajuste correctement les données etc..."
Bon, j'arrive pas à le faire sous R, mais ce n'est pas grave car Splus me permet d'y arriver.
Je vous joins 2 graphs :
1ere situation
1) Reponse / Ajustement : http://marmottemanu.free.fr/share/gur/reponse_vs_fit.jpg
2) Quantile / Quantile http://marmottemanu.free.fr/share/gur/qq_plot.jpg
3) Residus / Ajustement : http://marmottemanu.free.fr/share/gur/residuals_vs_fit.jpg
Je n'ai jamais eu à interpréter ce type de graphiques, je ne sais donc pas trop ce qu'ils m'apportent comme information. Serait il possible que vous m'expliquiez ?
pour le 1) je suppose que l'ajustement est correct lorsque la droite pleine (reponse) est confondue avec la droite en tirets (ajustement). ce qui semble être le cas. mais que penser de l'ensemble des points positionnés qui eux sont très éloignés de ma droite de réponse ?
pour le 2) le principe est sans doute le meme, si mes points sont correctement confondus avec ma droite en pointillés, c'est que le modele complet est ajuste correctement les données. Que penser dans cette situation ? a priori je dirais que c'est bon
Pour le 3) honnetement j'ai aucune idée de l'interprétation...
2eme situation :
1) Reponse / Ajustement : http://marmottemanu.free.fr/share/gur/reponse_vs_fit_1.jpg
2) Quantile / Quantile http://marmottemanu.free.fr/share/gur/qq_plot_1.jpg
3) Residus / Ajustement : http://marmottemanu.free.fr/share/gur/residuals_vs_fit_1.jpg
J'aurais tendance à dire d'apres le graph QQ, que ca colle pas tout à fait
Situation un peu plus extrème :
2) Quantile / Quantile http://marmottemanu.free.fr/share/gur/qq_plot_2.jpg
là, ca colle plus du tout ?
Etes vous d'accord ? Pourriez vous me donner plus d'infos et vos remarques ?
Merci d'avance
-- edit --
Code : Tout sélectionner
> aov0 <- aov(formula = ASRF3 ~ an * ta * co * ty, data = fcb)
> X2 <- sum(residuals(aov0, type = "pearson")^2)
> ddl<-aov0$df.residual
> 1-pchisq(X2, ddl)
[1] 1
tous mes calculs du test basé sur l'ajustement de pearson me donnent 1 en résultat, quelque soit ma base de donnée source, est ce normal ? probleme de données ? calcul non valable dans le cas de aov ? faut il passer par anova(lm()) ?