Bonjour ! Pour mon cours de statistiques, j'ai un exercice utilisant la fonction glm. Je dois interpréter les résultats. Malheureusement c'est la première fois que je dois le faire, je ne suis donc pas sûre de ce que je comprends... J'aurais donc besoin de votre lumière !
Nous avons une plante wild type, et trois mutant: esb1, casp1/3 et sgn3. Nous les faisons pousser à différentes concentrations de sel: 0, 10, 50, 75, 100 mM et mesurons leur taux de germination.
Voici le code :
(désolée pour le décalage des colonnes..)
Code : Sélectionner tout - Visualiser dans une fenêtre à part
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29 > summary(glm(df$germination~df$concentration*df$genotype)) Call: glm(formula = df$germination ~ df$concentration * df$genotype) Deviance Residuals: Min 1Q Median 3Q Max -12.8165 -2.6938 0.1117 2.4301 12.4543 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 6.03944 0.66959 9.020 < 2e-16 *** df$concentration 0.02008 0.01109 1.811 0.071029 . df$genotypeCASP1/3 3.35945 0.94694 3.548 0.000441 *** df$genotypeESB1 8.14791 0.94694 8.604 2.58e-16 *** df$genotypeSGN3 11.10792 0.94694 11.730 < 2e-16 *** df$concentration:df$genotypeCASP1/3 -0.07030 0.01568 -4.482 1.00e-05 *** df$concentration:df$genotypeESB1 -0.04998 0.01568 -3.186 0.001569 ** df$concentration:df$genotypeSGN3 -0.07783 0.01568 -4.962 1.09e-06 *** --- Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 (Dispersion parameter for gaussian family taken to be 15.89711) Null deviance: 10559.5 on 359 degrees of freedom Residual deviance: 5595.8 on 352 degrees of freedom AIC: 2027.4 Number of Fisher Scoring iterations: 2
Selon moi, chaque mutant reagit significativement différemment du wild type (p-values significatives). Les différentes concentrations de sel affecteraient plus la croissance du mutant sgn3 et casp1/3 que du mutant esb1.
...et c'est tout ce que j'arrive à comprendre.. avez-vous d'autres interprétations ?
Merci pour votre aide !
Partager