Bonjour,
Je dispose d'un jeu de données sur lequel je souhaite procéder à une régression linéaire. Lorsque j'utilise la fonction "lm", j'observe une hétéroscédasticité des résidus (test de bartlett). Je m'intéresse donc à la fonction gls du package "nlme" qui semble pouvoir gérer ce genre de problème. Cependant, je ne comprends pas très bien comment utiliser cette fonction.
Voici donc ma question:
Est-ce la manière donc la fonction estime les valeurs des coefficients et de leur erreur standard qui permet de l'utiliser sur des données avec hétéroscédasticité ou bien faut-il préciser une variable de groupe dans la formule. Un peu à la manière des modèles mixtes avec les variables aléatoires (fonction "lme" et "lmer").
En d'autres termes, je ne sais pas si pour gérer mon problème d'hétéroscédasticité je dois préciser dans la formule de la fonction une variable de groupe, en l'occurence dans mon jeu de données ce serait la variable "Replicat".
Voici le modèle que j'utilise:
Voici un aperçu de mon jeu de données où T correspond au temps:
Code : Sélectionner tout - Visualiser dans une fenêtre à part
1
2
3 a2=read.table("total37.txt",header=TRUE) m1=gls(Res~ModeF*T,a2)
Je mesure donc l'évolution de ma variable "Res" en fonction de ma variable "ModeF" à 2 temps différents. Pour chaque temps je dispose de 6 réplicats comportant chacun autant de pseudoréplicats que de mesures.
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
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74 T ModeF Res Replicat 1 38 0 1 1 38 0.1 1 1 38 0.2 1 1 38 -0.7 1 1 38 -0.3 1 1 38 0 1 1 38 0 1 1 38 0.2 1 1 40.8 0.2 2 1 40.8 -0.1 2 1 40.8 -0.2 2 1 40.8 -0.4 2 1 42.7 0 3 1 42.7 0 3 1 42.7 -0.1 3 1 42.7 -0.5 3 1 42.7 0.1 3 1 42.7 -0.3 3 1 42.7 0.1 3 1 42.7 -3.3 3 1 41.7 0.4 4 1 41.7 -0.8 4 1 41.7 -0.8 4 1 42 0.2 5 1 42 0.4 5 1 42 0.2 5 1 42 0.1 5 1 42 -0.2 5 1 42 0.2 5 1 41.5 -0.1 6 1 41.5 0.2 6 1 41.5 0.3 6 1 41.5 0.1 6 1 41.5 0 6 1 41.5 -0.7 6 1 41.5 -1.6 6 1 41.5 -2.3 6 1 41.5 -1 6 7 41 0.1 1 7 41 -0.2 1 7 41 -0.4 1 7 41 0.3 1 7 41.4 -0.7 2 7 41.4 0 2 7 43 0.8 3 7 43 0.3 3 7 43 0.5 3 7 43 0.7 3 7 43 0.5 3 7 43 0.6 3 7 43 -0.1 3 7 43 0.3 3 7 43 0.3 3 7 43 0 3 7 42.9 -0.4 4 7 42.9 -0.6 4 7 42.9 -0.9 4 7 44.8 -0.1 5 7 44.8 -0.3 5 7 44.8 -1 5 7 44.8 -1.4 5 7 44.8 -1.9 5 7 44.8 -0.1 5 7 44.8 -2.5 5 7 42.7 0.1 6 7 42.7 0.3 6 7 42.7 0.2 6 7 42.7 -0.1 6 7 42.7 -0.1 6 7 42.7 0.3 6 7 42.7 -0.9 6 7 42.7 -1.1 6
Merci pour votre aide.
Partager