Bonjour à tous!
Je sollicite votre aide car j’ai un problème que je n’arrive pas à résoudre. Je m’explique : j’ai fais un GLMM pour traiter mes données. Ce glmm est de cette forme :
Modele<-succes~modalite*temperature+modalite*dose+(1|lieu), family=binomial, data)
Succes : données en 0 et 1, donc modèle binomial. La modalité représente des individus témoins et des individus traités, la température est heure par heure (numeric). Et les « dose » sont une valeur numeric pour chaque individu. Or ce modèle ne marche pas, car tout les individus témoins n’ont pas eu de dose : donc 0 par défaut, malheureusement cela supprime toute la variabilité de la dose et le GLMM ne veut pas tourner.
Je cherche donc un moyen de comparer les individus traités entre eux : en fonction du succès et de la dose (si cela est possible on peut même rajouter la température). Je précise que le succès peut aussi être remplacé par une variable de « durée ». Ensuite j’aimerais trouver un autre moyen pour comparer les individus traités aux témoins.
J’ai essayé de faire un GLM simple comme suivant (j’ai supprimé tous les témoins de mon jeu de données)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
| mod1 = glm(succes_traités ~dose, data, family=binomial)
summary(mod1)
Call:
glm(formula = Succes ~ dose, family = binomial, data = ab)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.025 -0.488 -0.488 -0.488 2.091
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.0681 0.2268 -9.118 <2e-16 ***
dose 4.1585 4.5671 0.911 0.363
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 142.49 on 198 degrees of freedom
Residual deviance: 141.79 on 197 degrees of freedom
AIC: 145.79
Number of Fisher Scoring iterations: 4 |
J’observe que l’effet dose n’est pas significative. Mais pour être sure : je suis bien entrain de comparer les individus traités entre eux ? le résultat est que la dose n’influe pas sur le succès des individus ?
Je ne suis pas sure que mon analyse soit très juste. C’est pourquoi si vous avez une idée de l’interprétation de ce glm je vous en serais très reconnaissante. Et si vous avez une autre idée de test statistique je suis preneuse.
En vous en remerciant d’avance,
Bien cordialement.
Partager