Diseño experimental y preguntas sobre el uso de modelos lineales generalizados

Question

Tengo un experimento ecológico para el que necesito analizar los datos del recuento de aves. Este es el montaje:

2 tratamientos (abierto/control), 3 regiones. No es un factorial 3x2 completo porque en 2 regiones hay 3 parcelas (250m x 250m) tanto para el tratamiento abierto como para el control (6 parcelas). En la región de "referencia" sólo hay 3 parcelas (más parecidas a las parcelas abiertas en la región de aguas arriba).

Las aves se contaron semanalmente (se puede considerar que son independientes) en cada parcela durante 4 años. El tipo de ave y las densidades dependen en gran medida de la profundidad del agua (tenemos la profundidad para cada fecha de estudio) - nos gustaría utilizarla como covariable (nota: la respuesta no es lineal, es unimodal, y difiere según la especie).

El objetivo es examinar las diferencias entre el tratamiento y el control en el número de tipos de aves, y examinar las diferencias/interacciones de la región y el año (a medida que las parcelas abiertas maduran y la vegetación crece). Las parcelas cerradas contienen muchos ceros (puede que necesite un modelo inflado a cero).

La bibliografía me orienta hacia la binomial negativa o el GLM de Poisson con inflación cero. Sin embargo, si decido hacer esto, tengo las siguientes preguntas:

• ¿Puedo anidar parcelas dentro de una región para este tipo de modelo? Quería que la unidad de replicación fuera la semana para cada tratamiento, sin sacrificar la replicación para cada parcela de tratamiento x región.
• Además, ¿alguna sugerencia sobre qué hacer con una covariable como la profundidad? Podría dominar los términos de un MLG.

Todavía estoy aprendiendo R, pero asumiendo basado en este foro y hablando con otros que necesitaré hacer esto en R o SAS. Los consejos son bienvenidos en el frente de software, incluyendo lo que los paquetes de R voy a necesitar para cargar.

Answer 1

Software: R es sin duda una buena opción. Yo uso python para este tipo de cosas; escribo mis propias funciones objetivo/gradiente y uso uno de los optimizadores de scipy, como L-BFGS. Pero, R es mejor si no eres un programador fuerte.

Advertencia: soy un experto en aprendizaje automático, no un estadístico, así que considere que mi respuesta es una opinión, no la "respuesta correcta".

Parece que su modelo debería tener al menos coeficientes para (1) ¿es el tratamiento?, (2) ¿es el control?, (3) cada parcela, (4) cada región, (5) semana del año, (6) semana del año y región, (7) profundidad del agua, (8) especies de aves, (9) profundidad del agua y especies de aves. Después de incluir todo esto, miraría los residuos para tratar de determinar cualquier obviedad que haya pasado por alto. Sin embargo, parece que tiene una buena idea de todas las covariables principales.

Yo probaría con diferentes modelos (Poisson, binomial negativa, Poisson inflacionado por cero) y utilizaría un conjunto de retención para determinar cuál es el más apropiado. Utilizaría la regularización L2 y consideraría seriamente la normalización L2 de las covariables (al menos aproximadamente).

Si hay una covariable fuerte como la profundidad, definitivamente querría incluirla en mi modelo, de lo contrario otras covariables pueden parecer más fuertes de lo que realmente son.

Answer 2

Si se elige un bionomio negativo, el paquete glmmADMB en R es el paquete para usted. Es fantástico. Funciona como un lmer (donde puede tener efectos fijos, aleatorios y componentes anidados si lo desea, junto con la distribución/familia bionómica negativa. Mucha suerte.

Este es un ejemplo de la descripción del paquete:

om <- glmmadmb(SiblingNegotiation ~ FoodTreatment * SexParent(1|Nest) +
    offset(log(BroodSize)),
    zeroInflation=TRUE, family="nbinom", data=Owls)