Trazando los resultados de GLM en R

Question

Tengo estos datos se representan como un gráfico de dispersión en Excel:

Yo había hecho una regresión en Excel, y el valor de p fue de 2,14 E-05, mientras que el valor de R fue de 0,32. Me dijeron que el valor de R fue demasiado baja en comparación con la importancia del valor de p, y se le dijo que el control de la dispersión de los datos mediante la ejecución a través de R con GLM con quasipoisson de error.

Esto me dio

glm(formula = encno ~ temp, family = quasipoisson(link = log), 
    data = encnotemp)

Deviance Residuals: 
   Min      1Q  Median      3Q     Max  
-6.008  -2.431  -1.021   1.353   9.441  

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 2.005807   0.174628  11.486  < 2e-16 ***
temp        0.029065   0.006528   4.453 1.53e-05 ***
---
Signif. codes:  0 ‘***' 0.001 ‘**' 0.01 ‘*' 0.05 ‘.' 0.1 ‘ ' 1

(Dispersion parameter for quasipoisson family taken to be 10.19898)

    Null deviance: 1807.4  on 171  degrees of freedom
Residual deviance: 1620.1  on 170  degrees of freedom
AIC: NA

Number of Fisher Scoring iterations: 5

¿Cómo puedo analizar esta salida?

El problema es que el diagrama de dispersión de los datos es demasiado disperso, y me gustaría hacer un diagrama de dispersión de la quasipoisson GLM salida que se muestra menos dispersa (la más equipada) puntos de datos. Será esto posible?

Answer 1

"Me dijeron que el valor de R fue demasiado baja en comparación con la importancia del valor de p" -- suena como una tontería para mí.

Por otro lado, una cierta forma de glm puede ser una buena idea (pero a mí me parece que la propagación puede estar aumentando más de lo que usted puede esperar con un quasipoisson).

Tenga en cuenta que nada sobre el glm cambios en la difusión de los datos; sólo los modelos de cambio de propagación (en forma particular). Los datos son todavía los datos y si se hace una gráfica de ellos todavía se ven.

Puede cambiar la apariencia de los datos a través de una transformación. Uno de los que aproximadamente se estabiliza la varianza cuando la distribución de Poisson de parámetro no es muy pequeño es $\sqrt{y}$. Si la distribución de Poisson de parámetro puede tomar valores pequeños, usted puede probar $\sqrt{y+\frac{3}{8}}$ o $\sqrt{y}+\sqrt{y+1}$ (a mí me parece que bien podría ser el caso de tener valores pequeños).

Por otro lado, uno que alinear su modelo ajustado sería un registro (pero eso sólo es adecuado si usted no tiene exacto de ceros).

--

Aunque no será satisfactorio para usted, usted puede trazar la curva rellenada a través de

plot(temp,encno,xlim=c(0,60))
newdat <- data.frame(temp=seq(9,48,.5))
encnoglm1 <- glm(formula = encno ~ temp, family = quasipoisson(link = log), 
                     data = encnotemp)
fit <- predict(encnoglm1,newdata=newdat,type="response")
lines(fit~temp,data=newdat,type="l",col=4)

O si desea buscar en lo que sería casi una constante de la varianza si el quasipoisson fueron adecuados:

 plot(temp,sqrt(encno+3/8),xlim=c(0,60))
 lines(sqrt(fit+3/8)~temp,data=newdat,type="l",col=2)