analyse-R/modeles-a-effets-aleatoires #170
giscus[bot]
bot
Replies: 19 comments 14 replies
-
|
Bonjour, |
Beta Was this translation helpful? Give feedback.
-
|
La fonction library(geepack)
data(dietox)
dietox$Cu <- as.factor(dietox$Cu)
mf <- formula(Weight ~ Cu * (Time + I(Time^2) + I(Time^3)))
gee1 <- geeglm(mf, data=dietox, id=Pig, family=poisson("identity"), corstr="ar1")
gee1
#>
#> Call:
#> geeglm(formula = mf, family = poisson("identity"), data = dietox,
#> id = Pig, corstr = "ar1")
#>
#> Coefficients:
#> (Intercept) CuCu035 CuCu175 Time
#> 21.8578677803 0.5267336747 0.0427835423 2.8851574386
#> I(Time^2) I(Time^3) CuCu035:Time CuCu175:Time
#> 0.6140424145 -0.0262947719 -0.4054242617 0.8569406775
#> CuCu035:I(Time^2) CuCu175:I(Time^2) CuCu035:I(Time^3) CuCu175:I(Time^3)
#> 0.0182862906 -0.0960713285 0.0005466981 0.0026996115
#>
#> Degrees of Freedom: 861 Total (i.e. Null); 849 Residual
#>
#> Scale Link: identity
#> Estimated Scale Parameters: [1] 0.7752475
#>
#> Correlation: Structure = ar1 Link = identity
#> Estimated Correlation Parameters:
#> alpha
#> 0.9572319
#>
#> Number of clusters: 72 Maximum cluster size: 12
library(gtsummary)
gtsummary::tidy_wald_test(gee1)
#> # A tibble: 8 x 4
#> term df statistic p.value
#> <chr> <dbl> <dbl> <dbl>
#> 1 (Intercept) 1 994. 0
#> 2 Cu 2 0.389 8.23e- 1
#> 3 Time 1 64.1 1.11e-15
#> 4 I(Time^2) 1 76.6 0
#> 5 I(Time^3) 1 47.3 5.98e-12
#> 6 Cu:Time 2 3.29 1.93e- 1
#> 7 Cu:I(Time^2) 2 1.04 5.96e- 1
#> 8 Cu:I(Time^3) 2 0.245 8.85e- 1
gee1 %>%
tbl_regression() %>%
add_global_p(anova_fun = gtsummary::tidy_wald_test) %>%
as_kable()
Created on 2022-06-23 by the reprex package (v2.0.1) |
Beta Was this translation helpful? Give feedback.
-
|
Dans un modèle utilisant la fonction glm, peut-on mettre une variable en effet aléatoire? |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour. La fonction |
Beta Was this translation helpful? Give feedback.
-
|
Merci beaucoup Joseph. C'est exactement cela!!! |
Beta Was this translation helpful? Give feedback.
-
|
La documentation indique pourtant le contraire. https://www.rdocumentation.org/packages/lme4/versions/1.1-30/topics/predict.merMod library(lme4)
#> Le chargement a nécessité le package : Matrix
# cf. https://www.rdocumentation.org/packages/lme4/versions/1.1-30/topics/predict.merMod
gm1 <- glmer(cbind(incidence, size - incidence) ~ period + (1 |herd), cbpp, binomial)
newdata <- with(cbpp, expand.grid(period=unique(period), herd=unique(herd)))
predict(gm1, newdata, type = "response")
#> 1 2 3 4 5 6 7
#> 0.30816472 0.14177337 0.12598556 0.08405701 0.15480041 0.06360406 0.05595361
#> 8 9 10 11 12 13 14
#> 0.03636234 0.27042309 0.12085036 0.10710175 0.07094767 0.20435088 0.08696688
#> 15 16 17 18 19 20 21
#> 0.07673659 0.05025587 0.16957699 0.07040052 0.06198670 0.04037338 0.14199540
#> 22 23 24 25 26 27 28
#> 0.05782664 0.05083338 0.03297227 0.37533879 0.18223092 0.16279236 0.11015824
#> 29 30 31 32 33 34 35
#> 0.31019619 0.14293458 0.12703659 0.08479219 0.16299384 0.06735522 0.05928214
#> 36 37 38 39 40 41 42
#> 0.03857306 0.12570809 0.05062411 0.04446079 0.02877092 0.18492941 0.07761332
#> 43 44 45 46 47 48 49
#> 0.06840089 0.04465757 0.18795612 0.07905396 0.06968345 0.04551668 0.11022977
#> 50 51 52 53 54 55 56
#> 0.04392632 0.03854533 0.02488860 0.39460615 0.19467475 0.17419155 0.11839303
#> 57 58 59 60
#> 0.12686730 0.05113143 0.04490927 0.02906595Created on 2022-07-21 by the reprex package (v2.0.1) |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour Mr Larmarange. Svp pourrais je avoir un lien afin de télécharger ce document ce document même si il est payant car je le trouve très intéressant et j'aurai voulu le parcourir en hors ligne svp. Ma question maintenant est de savoir si, sur le point des variables et des conditions d'applications, quelle différence pourrait on faire entre les GEE et les GLMM à part le fait que les GLMM sont utilisées quand il y aune structure hiérarchique. Pourrions nous nous orienter vers les GEE si les conditions d'applications d'une anova sur mesures répétées ne sont pas satisfaisantes. en somme je souhaiterai avoir une clarté sur les différences entre ces modèles en nous appuyant sur les variables et les applications. |
Beta Was this translation helpful? Give feedback.
-
|
Vous pouvez imprimer la page en PDF. Cordialement |
Beta Was this translation helpful? Give feedback.
-
|
En effet je l’ai essayé mais je ne retrouve pas la partie cette partie dans
le document.
Excusez moi
Le lun. 6 nov. 2023 à 13:39, Joseph Larmarange ***@***.***> a
écrit :
… Vous pouvez imprimer la page en PDF. Cordialement
—
Reply to this email directly, view it on GitHub
<#170 (reply in thread)>,
or unsubscribe
<https://github.com/notifications/unsubscribe-auth/A63H6GDSJNMD5D5SBWRWTB3YDDK75AVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOKENFZWG5LTONUW63SDN5WW2ZLOOQ5TONBYG4YDQNQ>
.
You are receiving this because you commented.Message ID:
***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
Bonjour à tous, |
Beta Was this translation helpful? Give feedback.
-
|
Merci pour le partager. |
Beta Was this translation helpful? Give feedback.
-
|
Merci. Je ne connais pas ce package. Ceci dit, il s'agit de modèles conditionnels. Je ne suis pas excatement sur qu'il s'agisse de la même implémentation que les modèles multinomiaux. A creuser sans doute |
Beta Was this translation helpful? Give feedback.
-
|
Je vous invite aussi à jeter un oeil à la note 2 ici : https://larmarange.github.io/guide-R/analyses_avancees/choix-modele.html#fn2 |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour. Je dois faire un modèle tobit multiniveau et modèle tobit à effet aléatoire. Cependant je ne trouve aucun package pour réaliser ce modèle. J'aimerai donc savoir si vous pouviez m'aider. Merci |
Beta Was this translation helpful? Give feedback.
-
|
Je ne connais pas ce type de modèle. Vous pouvez jeter un œil a https://stats.stackexchange.com/questions/544652/how-to-write-a-random-effect-in-tobit-models-in-r-using-the-censreg-package/582354#582354 |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour, merci pour le paratge, je voudrais bien avoir votre idée sur cette étude,J’ai 46 patientes, Quels est la modélisation statistique que je devrais l’utiliser en comparant les deux bras et pré et post consultation à la fois Voici ma base fictive de données. 1 1 Groupe Expérimental 49 43 Merci |
Beta Was this translation helpful? Give feedback.
-
|
Tout dépend de voter / vos question(s) de recherche. Que souhaitez vous comparer ? L'évolution pré-post séparément pour chaque groupe. Dans ce cas là c'est un test apparié de comparaison. La situation post entre les deux groupes ? Dans ce cas là c'est un test de comparaison de moyenne classique (voir https://delladata.fr/tutoriel-comparaison-de-deux-moyennes-avec-le-logiciel-r/ ). Ou alors si un groupe a plus évolué que l'autre, dans ce cas là c'est une analyse en différence de différence. Il existe plusieurs tutoriels en ligne comme https://www.tidy-finance.org/r/difference-in-differences.html ou encore https://libguides.princeton.edu/R-DID Une vidéo introductive en français : https://youtu.be/Il8Q66rr6B0?si=4vw-gYtVvZXaKZER |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour, D’abord un grand merci pour votre retour, j’ai revu les personnes concernées de cette étude, on s’est mets d’accord pour un modèle ANCOVA: Score anxiété après = constante + score d'anxiété avant + Expériemental |
Beta Was this translation helpful? Give feedback.
-
|
2éme format de la base de donnée : 1 1 Groupe Expérimental preConsultation 49 |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour,
D’abord un grand merci pour votre retour, j’ai revu les personnes
concernées de cette étude, on s’est mets d’accord pour un modèle ANCOVA:
Score anxiété après = constante + score d'anxiété avant + Expériemental
Tout en effet fixe
…On Tue, 9 Jul 2024 at 17:33, Joseph Larmarange ***@***.***> wrote:
Tout dépend de voter / vos question(s) de recherche. Que souhaitez vous
comparer ? L'évolution pré-post séparément pour chaque groupe. Dans ce cas
là c'est un test apparié de comparaison. La situation post entre les deux
groupes ? Dans ce cas là c'est un test de comparaison de moyenne classique
(voir
https://delladata.fr/tutoriel-comparaison-de-deux-moyennes-avec-le-logiciel-r/
). Ou alors si un groupe a plus évolué que l'autre, dans ce cas là c'est
une analyse en différence de différence. Il existe plusieurs tutoriels en
ligne comme https://www.tidy-finance.org/r/difference-in-differences.html
ou encore https://libguides.princeton.edu/R-DID
Une vidéo introductive en français :
https://youtu.be/Il8Q66rr6B0?si=4vw-gYtVvZXaKZER
et un chapitre en français :
https://scienceetbiencommun.pressbooks.pub/evaluationpolpub/chapter/methode-des-doubles-differences-difference-in-differences/
—
Reply to this email directly, view it on GitHub
<#170 (reply in thread)>,
or unsubscribe
<https://github.com/notifications/unsubscribe-auth/A3Z3HWKTYNUEKHDDBAKBPDDZLP7GBAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBQGAYDCNBX>
.
You are receiving this because you commented.Message ID:
***@***.***>
--
Bien cordialement
Hocine DRIOUECHE
+33 695 32 25 25
|
Beta Was this translation helpful? Give feedback.
-
|
Bonjour, |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour,
Honnêtement je n’ai rien sur la main, mais d’après CHATGPT, voici ce qu’il
propose :
*Explication de la Conservation des Tests de Rapport de Vraisemblance*
Dans les modèles mixtes, les termes aléatoires sont souvent testés pour
voir s'ils améliorent le modèle de manière significative. Un test
couramment utilisé pour cela est le test de rapport de vraisemblance.
Cependant, il est bien documenté que ces tests peuvent être conservateurs.
Cela signifie que les tests ont tendance à ne pas rejeter l'hypothèse nulle
(H0: σ² = 0) aussi souvent qu'ils le devraient, ce qui peut entraîner un
manque de puissance statistique.
La conservativité des tests de rapport de vraisemblance pour les termes
aléatoires est due à la distribution asymptotique des statistiques de test
sous l'hypothèse nulle. En particulier, la distribution de la statistique
du test sous H0 n'est pas exactement une distribution chi-carré, mais
plutôt une distribution de mélange chi-carré.
*Sources et Références*
1. *Pinheiro, J.C., & Bates, D.M. (2000). Mixed-Effects Models in S and
S-PLUS. Springer.*
- Ce livre traite en détail des modèles mixtes et des méthodes de
test, y compris les tests de rapport de vraisemblance. Vous trouverez des
explications sur pourquoi ces tests peuvent être conservateurs.
2. *Fahrmeir, L., Kneib, T., Lang, S., & Marx, B. (2013). Regression:
Models, Methods and Applications. Springer.*
- Ce livre contient des informations sur les modèles de régression
incluant les modèles mixtes et les tests associés, avec des
discussions sur
la validité des tests sous différentes conditions.
3. *Stroup, W.W. (2013). Generalized Linear Mixed Models: Modern
Concepts, Methods and Applications. CRC Press.*
- Ce texte couvre les modèles linéaires mixtes généralisés et aborde
spécifiquement la question de la conservativité des tests de rapport de
vraisemblance pour les effets aléatoires.
4. *Articles de revue* :
- *Verbeke, G., & Molenberghs, G. (2000). Linear Mixed Models for
Longitudinal Data. Springer.*
- Cet ouvrage explique en profondeur les modèles mixtes et les
tests de rapport de vraisemblance, ainsi que les problèmes potentiels
associés à leur utilisation.
*Exemples de Tests et Simulations*
Pour illustrer la conservativité, vous pouvez réaliser des simulations
Monte Carlo en R ou en Python pour estimer la distribution empirique de la
statistique du test de rapport de vraisemblance et comparer cela à la
distribution théorique chi-carré. Cela peut montrer comment et pourquoi les
tests sont conservateurs en pratique.
Voici quelques éléments sur la conservativité des tests de rapport de
vraisemblance pour les termes aléatoires dans les modèles ANCOVA :
1. Démonstration théorique :
Dans les modèles à effets mixtes, comme l'ANCOVA avec des effets
aléatoires, le test du rapport de vraisemblance pour tester l'hypothèse
nulle H0 : σ² = 0 (où σ² est la variance du terme aléatoire) suit
asymptotiquement un mélange de distributions chi-carré. Cela implique que
ce test est conservateur, c'est-à-dire que la probabilité de rejeter H0
alors qu'elle est vraie (erreur de type I) est inférieure à la valeur
nominale du seuil de significativité.
Cela a été démontré par plusieurs auteurs, par exemple :
· Stram, D. O., & Lee, J. W. (1994). Variance components testing in
the longitudinal mixed effects model. Biometrics, 1171-1177.
· Greven, S., & Kneib, T. (2010). On the behaviour of marginal and
conditional AIC in linear mixed models. Biometrika, 97(4), 773-789.
2. Études de simulation :
Plusieurs études de simulation ont également montré que les tests de
rapport de vraisemblance pour les termes aléatoires dans les modèles mixtes
sont effectivement conservateurs. Par exemple :
· Pinheiro, J. C., & Bates, D. M. (2000). Mixed-effects models in S
and S-PLUS. Springer Science & Business Media.
· Verbeke, G., & Molenberghs, G. (2009). Linear mixed models for
longitudinal data. Springer Science & Business Media.
Donc en résumé, la conservativité de ces tests est bien établie
théoriquement et empiriquement dans la littérature sur les modèles mixtes.
Voici quelques éléments de réponse :
1. La raison principale de ce conservatisme est que la distribution du
test de rapport de vraisemblance sous l'hypothèse nulle n'est pas une
distribution chi-carré standard lorsqu'on teste une variance à zéro, car la
valeur testée est à la frontière de l'espace des paramètres.
2. Une référence souvent citée sur ce sujet est l'article de Self et
Liang (1987) : "Asymptotic Properties of Maximum Likelihood Estimators and
Likelihood Ratio Tests Under Nonstandard Conditions".
3. Pour une explication plus accessible, vous pourriez consulter le
livre "Mixed Effects Models and Extensions in Ecology with R" de Zuur et
al. (2009), qui aborde ce sujet dans le contexte des modèles écologiques.
4. Une autre source intéressante pourrait être l'article de Pinheiro et
Bates (2000) dans leur livre "Mixed-Effects Models in S and S-PLUS", où ils
discutent de ce phénomène.
|
Beta Was this translation helpful? Give feedback.
-
|
Je vais aller voir tout ça, merci beaucoup! |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour, glmm_1 <- glmer(presence ~ mod * jour + culture + age_culture + saison + (1 | parcelle) + (1 | annee), nouveau1 <- data.frame(mod = "M1", predicteurs<-predict(glmm_1, newdata=nouveau1, re.form = NA, se.fit = T, type = "response") |
Beta Was this translation helpful? Give feedback.
-
|
Bonsoir Mr! Dans le cadre de mon etude je souhaite réaliser un MLM. Ma problematique et mes objectifs sont les suivants:
Je possède 4 variables explicatives qui sont toutes categorielles ( Espèces |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour.
Les effets fixes sont les variables dont vous souhaitez estimer l’impact
sur la variable dépendante (taux d’azote, …..). Dans votre cas j’aurai opté
pour horizon, espèce et bloc.
Les effets aléatoires permettent d’introduire la variabilité donc j’aurais
opté pour la variable répétition.
Le mar. 30 juil. 2024 à 23:34, Maurice242-MB ***@***.***> a
écrit :
… Bonsoir Mr!
Dans le cadre de mon etude je souhaite réaliser un MLM. Ma problematique
et mes objectifs sont les suivants:
Evaluer la fertilité spatiale et temporelle du sol induite par trois
légumineuses âgées de 5 ans : Acacia mangium Willd, Senna siamea (Lam.)
Irwin et Barneby et Acacia auriculiformis A. Cunn ex Benth.
Objectifs spécifiques :
- Déterminer l’évolution du taux d’azote, de carbone et de matière
organique dans les sols occupés par les trois légumineuses suivant la
profondeur ;
- Analyser la tendance spatio-temporelle de la fertilité du sol au
niveau de l’essai.
Je possède 4 variables explicatives qui sont toutes categorielles (
Espèces mes différentes légumineuses, Horizon, Bloc, répétition). Ma
préoccupations est que j'ai du mal a choisir mes effets fixes et
aléatoires. Besoin d'aide SVP.
—
Reply to this email directly, view it on GitHub
<#170 (comment)>,
or unsubscribe
<https://github.com/notifications/unsubscribe-auth/A63H6GEHBTXVXLYCA3RRMILZPABHZAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBRHE2DSOJW>
.
You are receiving this because you commented.Message ID:
***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
Merci pour votre réponse. Mais comment calculer la multicolinearité pour
les données catégorielles ?
Le mer. 31 juil. 2024 à 07:56, AngeAT ***@***.***> a écrit :
… Bonjour.
Les effets fixes sont les variables dont vous souhaitez estimer l’impact
sur la variable dépendante (taux d’azote, …..). Dans votre cas j’aurai
opté
pour horizon, espèce et bloc.
Les effets aléatoires permettent d’introduire la variabilité donc j’aurais
opté pour la variable répétition.
Le mar. 30 juil. 2024 à 23:34, Maurice242-MB ***@***.***> a
écrit :
> Bonsoir Mr!
>
> Dans le cadre de mon etude je souhaite réaliser un MLM. Ma problematique
> et mes objectifs sont les suivants:
> Evaluer la fertilité spatiale et temporelle du sol induite par trois
> légumineuses âgées de 5 ans : Acacia mangium Willd, Senna siamea (Lam.)
> Irwin et Barneby et Acacia auriculiformis A. Cunn ex Benth.
> Objectifs spécifiques :
>
> - Déterminer l’évolution du taux d’azote, de carbone et de matière
> organique dans les sols occupés par les trois légumineuses suivant la
> profondeur ;
> - Analyser la tendance spatio-temporelle de la fertilité du sol au
> niveau de l’essai.
>
> Je possède 4 variables explicatives qui sont toutes categorielles (
> Espèces mes différentes légumineuses, Horizon, Bloc, répétition). Ma
> préoccupations est que j'ai du mal a choisir mes effets fixes et
> aléatoires. Besoin d'aide SVP.
>
> —
> Reply to this email directly, view it on GitHub
> <
#170 (comment)>,
> or unsubscribe
> <
https://github.com/notifications/unsubscribe-auth/A63H6GEHBTXVXLYCA3RRMILZPABHZAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBRHE2DSOJW>
> .
> You are receiving this because you commented.Message ID:
> ***@***.***>
>
—
Reply to this email directly, view it on GitHub
<#170 (comment)>,
or unsubscribe
<https://github.com/notifications/unsubscribe-auth/BKG5ULPLINURL3GM4B265BTZPCDBXAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBRHE3TQNRQ>
.
You are receiving this because you commented.Message ID:
***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
Pour les données catégorielles, tu peux évaluer la multincolinearité en
utilisant le facteur d’inflation de la variance (VIF). Cependant tu vas
devoir encodés les variables cartegorielles en numériques ou en ordinal (
mais des chiffres ).
Le jeu. 1 août 2024 à 14:28, Maurice242-MB ***@***.***> a
écrit :
… Merci pour votre réponse. Mais comment calculer la multicolinearité pour
les données catégorielles ?
Le mer. 31 juil. 2024 à 07:56, AngeAT ***@***.***> a écrit :
> Bonjour.
> Les effets fixes sont les variables dont vous souhaitez estimer l’impact
> sur la variable dépendante (taux d’azote, …..). Dans votre cas j’aurai
> opté
> pour horizon, espèce et bloc.
>
> Les effets aléatoires permettent d’introduire la variabilité donc
j’aurais
> opté pour la variable répétition.
>
> Le mar. 30 juil. 2024 à 23:34, Maurice242-MB ***@***.***> a
> écrit :
>
> > Bonsoir Mr!
> >
> > Dans le cadre de mon etude je souhaite réaliser un MLM. Ma
problematique
> > et mes objectifs sont les suivants:
> > Evaluer la fertilité spatiale et temporelle du sol induite par trois
> > légumineuses âgées de 5 ans : Acacia mangium Willd, Senna siamea
(Lam.)
> > Irwin et Barneby et Acacia auriculiformis A. Cunn ex Benth.
> > Objectifs spécifiques :
> >
> > - Déterminer l’évolution du taux d’azote, de carbone et de matière
> > organique dans les sols occupés par les trois légumineuses suivant la
> > profondeur ;
> > - Analyser la tendance spatio-temporelle de la fertilité du sol au
> > niveau de l’essai.
> >
> > Je possède 4 variables explicatives qui sont toutes categorielles (
> > Espèces mes différentes légumineuses, Horizon, Bloc, répétition). Ma
> > préoccupations est que j'ai du mal a choisir mes effets fixes et
> > aléatoires. Besoin d'aide SVP.
> >
> > —
> > Reply to this email directly, view it on GitHub
> > <
>
#170 (comment)>,
>
> > or unsubscribe
> > <
>
https://github.com/notifications/unsubscribe-auth/A63H6GEHBTXVXLYCA3RRMILZPABHZAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBRHE2DSOJW>
>
> > .
> > You are receiving this because you commented.Message ID:
> > ***@***.***>
> >
>
> —
> Reply to this email directly, view it on GitHub
> <
#170 (comment)>,
> or unsubscribe
> <
https://github.com/notifications/unsubscribe-auth/BKG5ULPLINURL3GM4B265BTZPCDBXAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBRHE3TQNRQ>
> .
> You are receiving this because you commented.Message ID:
> ***@***.***>
>
—
Reply to this email directly, view it on GitHub
<#170 (comment)>,
or unsubscribe
<https://github.com/notifications/unsubscribe-auth/A63H6GFFALRCD7W6ARRDDDDZPISV3AVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBSGEZDAMRY>
.
You are receiving this because you commented.Message ID:
***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
MERCI BEAUCOUP !
Le jeu. 1 août 2024 à 13:43, AngeAT ***@***.***> a écrit :
… Pour les données catégorielles, tu peux évaluer la multincolinearité en
utilisant le facteur d’inflation de la variance (VIF). Cependant tu vas
devoir encodés les variables cartegorielles en numériques ou en ordinal (
mais des chiffres ).
Le jeu. 1 août 2024 à 14:28, Maurice242-MB ***@***.***> a
écrit :
> Merci pour votre réponse. Mais comment calculer la multicolinearité pour
> les données catégorielles ?
>
> Le mer. 31 juil. 2024 à 07:56, AngeAT ***@***.***> a écrit :
>
> > Bonjour.
> > Les effets fixes sont les variables dont vous souhaitez estimer
l’impact
> > sur la variable dépendante (taux d’azote, …..). Dans votre cas j’aurai
> > opté
> > pour horizon, espèce et bloc.
> >
> > Les effets aléatoires permettent d’introduire la variabilité donc
> j’aurais
> > opté pour la variable répétition.
> >
> > Le mar. 30 juil. 2024 à 23:34, Maurice242-MB ***@***.***> a
> > écrit :
> >
> > > Bonsoir Mr!
> > >
> > > Dans le cadre de mon etude je souhaite réaliser un MLM. Ma
> problematique
> > > et mes objectifs sont les suivants:
> > > Evaluer la fertilité spatiale et temporelle du sol induite par trois
> > > légumineuses âgées de 5 ans : Acacia mangium Willd, Senna siamea
> (Lam.)
> > > Irwin et Barneby et Acacia auriculiformis A. Cunn ex Benth.
> > > Objectifs spécifiques :
> > >
> > > - Déterminer l’évolution du taux d’azote, de carbone et de matière
> > > organique dans les sols occupés par les trois légumineuses suivant
la
> > > profondeur ;
> > > - Analyser la tendance spatio-temporelle de la fertilité du sol au
> > > niveau de l’essai.
> > >
> > > Je possède 4 variables explicatives qui sont toutes categorielles (
> > > Espèces mes différentes légumineuses, Horizon, Bloc, répétition). Ma
> > > préoccupations est que j'ai du mal a choisir mes effets fixes et
> > > aléatoires. Besoin d'aide SVP.
> > >
> > > —
> > > Reply to this email directly, view it on GitHub
> > > <
> >
>
#170 (comment)>,
>
> >
> > > or unsubscribe
> > > <
> >
>
https://github.com/notifications/unsubscribe-auth/A63H6GEHBTXVXLYCA3RRMILZPABHZAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBRHE2DSOJW>
>
> >
> > > .
> > > You are receiving this because you commented.Message ID:
> > > ***@***.***>
> > >
> >
> > —
> > Reply to this email directly, view it on GitHub
> > <
>
#170 (comment)>,
>
> > or unsubscribe
> > <
>
https://github.com/notifications/unsubscribe-auth/BKG5ULPLINURL3GM4B265BTZPCDBXAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBRHE3TQNRQ>
>
> > .
> > You are receiving this because you commented.Message ID:
> > ***@***.***>
> >
>
> —
> Reply to this email directly, view it on GitHub
> <
#170 (comment)>,
> or unsubscribe
> <
https://github.com/notifications/unsubscribe-auth/A63H6GFFALRCD7W6ARRDDDDZPISV3AVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBSGEZDAMRY>
> .
> You are receiving this because you commented.Message ID:
> ***@***.***>
>
—
Reply to this email directly, view it on GitHub
<#170 (comment)>,
or unsubscribe
<https://github.com/notifications/unsubscribe-auth/BKG5ULKCKWN5IGS3DK2WHTDZPIUOZAVCNFSM5ZTZXFD2U5DIOJSWCZC7NNSXTOSENFZWG5LTONUW63SDN5WW2ZLOOQ5TCMBSGEZDEMJR>
.
You are receiving this because you commented.Message ID:
***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
Bonjour Joseph, |
Beta Was this translation helpful? Give feedback.
-
|
Bonjour. Ce que l'on présente ici https://larmarange.github.io/guide-R/analyses/regression-logistique-binaire.html fonctionne avec une grande variété de modèles Quelle est la fonction R utilisée (dans quel package ?) ? |
Beta Was this translation helpful? Give feedback.
-
|
Merci pour le retour,Il s'agit de la fonction feglm, du package fixest
Arsène
Le vendredi 22 novembre 2024 à 11:39:01 UTC+1, Joseph Larmarange ***@***.***> a écrit :
Bonjour. Ce que l'on présente ici https://larmarange.github.io/guide-R/analyses/regression-logistique-binaire.html fonctionne avec une grande variété de modèles
Quelle est la fonction R utilisée (dans quel package ?) ?
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
A priori, après quelques essais rapides, ggcoef_model() et tbl_regression() devrait fonctionner nativement avec ces modèles |
Beta Was this translation helpful? Give feedback.
Uh oh!
There was an error while loading. Please reload this page.
-
analyse-R/modeles-a-effets-aleatoires
https://larmarange.github.io/analyse-R/modeles-a-effets-aleatoires.html
Beta Was this translation helpful? Give feedback.
All reactions