Mi tarea es evaluar cómo las distintas variables ambientales afectan anual de la población de las fluctuaciones. Para esto, me gustaría utilizar un modelo como:
$$
\mbox{log} ( \mu_{i,j+1} ) = \mbox{log} ( \mu_{i,j} ) + R_{j} + \sum\limits_{k} \alpha_k x_{k,j} \\
N_{i,j} \sim \mbox{Poiss} ( \mu_{i,j} )
$$
Donde $N_{i,j}$ es el número de individuos observados en el sitio i
en el año j
, $\mu_{i,j}$ es el número esperado de individuos en el sitio i
en el año j
, $x_{k,j}$ a través de todos los $k$ es el vector de las variables ambientales en el año $j$, $\alpha_k$ son los coeficientes y $R_{j}$ es el modelo de coeficiente destinado a manejar "a fondo" el crecimiento de la población (que no se mide, esto es sólo un modelo de coeficiente). Sin embargo creo que voy a quitar el año índice $j$ y usarlo como interceptar solo, para que no se oculte global posible efecto de las variables ambientales.
Esta fue la versión más simple del modelo - en la siguiente etapa, me gustaría manejar sobredispersión (no sé cómo todavía) y tal vez agregar alguna por sitio de efectos aleatorios.
Preguntas:
-
¿Cómo puedo ajustan a este modelo en R? Puedo escribir el modelo en WinBUGS, pero prefiere tener "frecuentista" solución en R, porque es mucho más rápido y la inferencia es más fácil (uno tiene los valores de p, t-test, pruebas de F...). Pero que la función o el paquete de uso para adaptarse a ella? No creo que este puede ser implementado mediante GLM! Me percaté de que mi ecuación puede ser convertido a:
$$ \log\left({\mu_{i,j+1} \\mu_{i,j}}\right) = R_{j} + \sum\limits_{k} \alpha_k x_k$$ Que se asemeja a la regresión logística: $$\log\left({\mu_{i,j+1} \over \mu_{i,j}}\right) = \text{logit}\left({\mu_{i,j+1} \over { \mu_{i,j}} + \mu_{i,j+1}}\right) = R_{j} + \sum\limits_{k} \alpha_k x_k$$ $$N_{i,j+1} \sim \text{Binom}\left(N_{i,j} + N_{i,j+1}, p = {\mu_{i,j+1} \over { \mu_{i,j}} + \mu_{i,j+1}}\right)$$ Sin embargo, no estoy seguro de esto da resultado equivalente; esto convierte a la distribución de Poisson cuenta a la Binomial, y, posiblemente, no sería bastante sencillo de manejar la sobredispersión (la de Poisson sobredispersión para el animal cuenta está bien cubierto y publicado; no está claro cómo es trabajar en el binomio de la versión). Por esta razón, prefiero a calcular el modelo original como es (Poisson).
Cómo incorporar un negativo dependencia de la densidad (es decir, el crecimiento de la población es inferior donde hay una gran cantidad de personas)? Agregar algo como $\beta * \ln(\mu_{i,j})$ a la derecha? Parece poco extraño para mí...