A continuación se muestra el resultado de un modelo de puntuaciones de pruebas de objetos nuevos ajustado con el nbinom1
(quasi-Poisson) en glmmADMB
. He utilizado este paquete/método porque:
- la media de Poisson es < 5, por lo que según Bolker et al. 2009 no debería utilizar
glmmPQL
- hubo sobredifusión con el modelo de Poisson ejecutado con
glmer
. El modelo NB1 ajustado conglmmADMB
fue el mejor de todos los ajustes que probé.
Hay 3 factores fijos como los que se indican a continuación, así como un Sex
- Age
y el término de interacción individual ( ID
) es el factor aleatorio.
Call:
glmmadmb(formula = Score ~ Sex * Age + Object + (1 | ID), data = PGS,
family = "nbinom1")
AIC: 394.5
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.480 0.195 2.47 0.0137
SexM 0.797 0.262 3.05 0.0023
AgeS 1.224 0.254 4.82 1.4e-06
ObjectPLA -0.434 0.194 -2.24 0.0248
ObjectSCO -0.822 0.203 -4.05 5.1e-05
SexM:AgeS -0.825 0.353 -2.33 0.0196
Number of observations: total=105, ID=40
Random effect variance(s):
Group=ID<br/>
Variance StdDev<br/>
(Intercept) 0.03738 0.1933
Negative binomial dispersion parameter: 1.5958 (std. err.: 0.34873)
Log-likelihood: -189.228
Pregunta: ¿Cómo puedo comprobar si el efecto aleatorio es significativo? He buscado en Internet, y cuando hay múltiples efectos aleatorios parece sencillo, pero sé que no puedo comparar el GLMM
a un GLM
sin mi único efecto aleatorio según la información en http://glmm.wikidot.com/faq .
He probado el de Ben Bolker varprof
en el ejemplo de los peces de arrecife:
varprof(PGS.nbinom1)
Error in varprof(PGS.nbinom1) : <br/>
trying to get slot "deviance" from an object (class "glmmadmb") that is not an S4 object
Así como su simulate.glm(PGS.nbinom1)
:
simulate.glm(PGS.nbinom1)
Error in simulate.glm(M1) : family nbinom not implemented
Y también a la manera de Jeff Evans, publicada en archiveorange.com donde ejecuté el modelo con una variable ficticia no informativa (una columna con la palabra "ficticia" en cada fila) y lo comparé con mi modelo con ANOVA, pero también obtuve un mensaje de advertencia aquí:
anova(M1,M2)
Analysis of Deviance Table
Model 1: Score ~ Sex * Age + Object<br/>
Model 2: Score ~ Sex * Age + Object<br/>
NoPar LogLik Df Deviance Pr(>Chi)<br/>
1 8 -189.23 <br/>
2 8 -189.32 0 -0.19 1<br/>
Warning message:
In anova.glmmadmb(M1, M2) :<br/>
something's wrong: models should be nested, increasing complexity should imply increasing log-likelihood
¿Qué más puedo probar? Cualquier ayuda será muy apreciada.