GLM para datos proporcionales

Question

Espero que alguien pueda ayudarme a resolver cómo funcionan las comparaciones de proporciones utilizando un GLM en R.

Estoy comparando el éxito de la eclosión entre varios años (y posteriormente, sitios). He utilizado un GLM para comparar entre años haciendo un archivo txt donde la columna de éxito contiene el número de polluelos que eclosionaron, y los fracasos son el número de huevos de cada nido que no eclosionaron. Cada fila corresponde a un nido. (Hice esto según las descripciones en "The R Book" de Michael Crawley)

El código tiene el siguiente aspecto:

y<-cbind(success,fail)
hsmodel1<-glm(y~year,binomial)

Esto comprueba las diferencias en el éxito de la eclosión entre los años como #de polluelos nacidos/huevos puestos, ¿correcto? ¿No es el número de polluelos nacidos/anidación?

En segundo lugar, si mi especie pone hasta 2 huevos, ¿sigue siendo válido el uso de este método proporcional, ya que puede haber 0, 1 o 2 éxitos o fracasos? Estoy bastante seguro de que sí, pero empiezo a dudar por una pregunta que me ha hecho hoy un compañero.

Gracias. Mog

Answer 1

La regresión logística, como esta, asume una distribución binomial, o, como yo prefiero, una distribución Bernoulli por evento. Sé de no caso ni razón por la que esto no deba asumirse con seguridad por sí mismo (o sucede o no sucede, y en una población siempre se puede asignar una probabilidad a esto). No hay ninguna razón para que el límite superior del número de eventos por nido influya en esto.

Dicha distribución, por linealidad, se asume condicionada al año, donde los logodds son lineales en el año. Esto podría ser defectuoso, pero eso no tiene nada que ver con el número posible de eventos, sólo con el hecho de que cualquier modelo puede estar equivocado.

Puede (con predict(type="response") ) obtienen la probabilidad de eclosión de un huevo, condicionada al año a partir de este tipo de modelo (técnicamente no es exactamente lo mismo que una tasa, pero para la mayoría de los fines prácticos, lo es).