Je suis encore novice sur R et j'aurais besoin de quelques réponses à mes questions. Avant je vous explique mes données, je teste la préférences thermiques de 48 individus qui sont femelle ou mâle (Sexe) et métamorphe ou pédomorphe (Phenotype). Et le dispositif comporte 4 zones de différentes températures.
Afin de traiter des données statistiques, j'utilise des Glmer de ce type :
Code : Tout sélectionner
mod7=glmer(sqrt_P30~tab_pref$Sexe*tab_pref$Zone+(1|tab_pref$Nb_passage)+(1|tab_pref$Zone_depart)+(1|tab_pref$Nom_ind),family=binomial)
J'ai besoin de déterminer si le sexe (tab_pref$Sexe) de mes individus influence le temps passé dans différentes zones (sqrt_P30) en fonction de ces zones (tab_pref$Zone).
J'ai inclue des facteurs fixe car mes individus ont un nombre de passage différents, une zone de départ différentes et ont chacun 4 résultats (1 pour chaque zones).
J'obtiens alors :
Code : Tout sélectionner
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
Family: binomial ( logit )
Formula: sqrt_P30 ~ tab_pref$Sexe * tab_pref$Zone + (1 | tab_pref$Nb_passage) +
(1 | tab_pref$Zone_depart) + (1 | tab_pref$Nom_ind)
AIC BIC logLik deviance df.resid
259.3 295.1 -118.6 237.3 181
Scaled residuals:
Min 1Q Median 3Q Max
-1.00492 -0.51342 0.01439 0.48441 2.52138
Random effects:
Groups Name Variance Std.Dev.
tab_pref$Nom_ind (Intercept) 0.0001067 0.01033
tab_pref$Zone_depart (Intercept) 0.0008768 0.02961
tab_pref$Nb_passage (Intercept) 0.0051550 0.07180
Number of obs: 192, groups: tab_pref$Nom_ind, 48; tab_pref$Zone_depart, 4; tab_pref$Nb_passage, 2
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.8527 0.5992 -3.092 0.00199 **
tab_pref$SexeM 1.3451 0.7287 1.846 0.06490 .
tab_pref$ZoneZ17 1.3223 0.7292 1.813 0.06976 .
tab_pref$ZoneZ22 1.4728 0.7252 2.031 0.04226 *
tab_pref$ZoneZ26+ 1.8499 0.7212 2.565 0.01032 *
tab_pref$SexeM:tab_pref$ZoneZ17 -0.8156 0.9360 -0.871 0.38357
tab_pref$SexeM:tab_pref$ZoneZ22 -1.4700 0.9385 -1.566 0.11728
tab_pref$SexeM:tab_pref$ZoneZ26+ -2.6877 0.9752 -2.756 0.00585 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) tb_$SM t_$ZZ1 t_$ZZ22 t_$ZZ26 t_$SM:_$ZZ1 t_$SM:_$ZZ22
tab_prf$SxM -0.811
tb_prf$ZZ17 -0.809 0.665
tb_prf$ZZ22 -0.813 0.668 0.668
tb_pr$ZZ26+ -0.818 0.672 0.672 0.675
t_$SM:_$ZZ1 0.630 -0.778 -0.779 -0.520 -0.523
t_$SM:_$ZZ22 0.629 -0.776 -0.516 -0.773 -0.522 0.604
t_$SM:_$ZZ26 0.605 -0.747 -0.497 -0.499 -0.740 0.581 0.580
convergence code: 0
Model failed to converge with max|grad| = 0.596165 (tol = 0.001, component 1)
Ensuite pour me rassurer, j'ai décidé d'utiliser la fonction contr.treatment afin de changer zone de référence et voir si j'obtenais des résultats équivalents. Cependant, même si les significativités ne changent pas, les chiffres changent un peu...
Ma question est donc est-ce normal ? Si oui, doit-on garder les deux résultats ? Et si non, où est le problème ?
Je vous remercie d'avance et j'espère que j'ai été assez clair...
Bonne journée,
Marie