Discussion :

[Fentahn]

Bonjour,

j'ai utilisé R pour réaliser deux GLM. L'un "binomial" et l'autre "poisson". Seulement, si j'ai compris à quoi servent ces modèles je n'ai jamais utilisé ces fonctions en cours (pas de cours dessus du tout d'ailleurs). Du coup je suis incapable de comprendre les sorties.

Le but de l'expérience est d'étudier la migration d'insectes que l'on marque, lâche à un point précis et recapture (ou pas) grâce à des pièges disposés selon un schéma bien défini. Mon expé est la reconduite d'un protocole déjà mené l'an dernier. J'ai donc eu peu de choix quant aux tests à mener...

Le premier modèle a pour but de répondre à la question : le nombre d'individus recapturés (Nb.piege) est-il fonction de la distance au point de lâcher et de la direction de migration ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
Call: glm(formula = Nb.piege ~ (Distance..m. + Direction), family = poisson(link = log))
Coefficients:
(Intercept) Distance..m. Direction
0.988594 -0.002222 -0.184426
Degrees of Freedom: 10 Total (i.e. Null); 8 Residual
Null Deviance: 4.558
Residual Deviance: 3.616 AIC: 33.5

Si je me trompe pas les coefficients correspondent à ça :
Nb.piege = 0.988594 - 0.002222 (Distance..m.) - 0.184426 (Direction) + epsilon
Comme je ne comprends pas le reste ça ne m'avance pas des masses... Les directions ont été codées avec des chiffres comme l'an dernier. L'expérimentateur avait réussi a déduire de ses résultats une direction préférentielle, perso ça ne me saute pas aux yeux. Quelqu'un a-t-il la moindre piste d'interprétation ?

Le second modèle devait tester l’influence de la couleur de marquage (c'est-à-dire de la date de lâcher) et du sexe sur la proportion d’individus recapturés :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
Call: glm(formula = cbind(Nb.mark.capt, Nb.mark - Nb.mark.capt) ~ (Date + Sx), family =
binomial(link = logit))
Coefficients:
(Intercept) // Date16/07/2009 // Date17/07/2009 // Date22/07/2009 // Date30/07/2009 // SxM
-4.3617 // -0.5541 // -0.1006 // 0.2508 // -0.4175 // 0.2128
Degrees of Freedom: 7 Total (i.e. Null); 2 Residual
Null Deviance: 2.395
Residual Deviance: 1.33 AIC: 32.32

Avec :
Nb.mark.capt = nombre d'insectes marqués recapturés, pour chaque couleur de marquage et chaque sexe
Nb.mark = nombre d'insectes marqués pour chaque couleur et chaque sexe

De même :
Nb.mark - Nb.mark.capt = - 4.3617 - 0.5541 (Date16/07/2009) - 0.1006 (Date17/07/2009) + 0.2508 (Date22/07/2009) -0.4175 (Date 30/07/2009) + 0.2128 (SxM)

Sachant qu'il me "manque" une date de recapture et que le SxF n'est pas représenté j'ai supposé qu'ils servaient de référence. Me trompe-je ?
Comme précédemment je ne comprend pas le reste des sorties. Toute explication pas trop théorique sera donc la bienvenue...

Je sais pas si mes explications sur mon but son très claires, mais j'espère sinon demandez j'essaierai d'éclaircir.
En tous cas, merci d'avance pour vos éventuelles réponses.

[nik_the_hunter]

On ne risque pas de comprendre grand chose aux modèles si on a pas un aperçu des données, notamment s'il s'agit de t'aider à comprendre les sorties (on peut pas interpréter la sortie de la direction si on ne sait pas comment elle est codée). Que veux tu dire quand tu dis que tu as compris à quoi servent les modèles, car dans ce cas je ne vois pas ce qui te gène dans les sortie (les ddl ? la déviance résiduelle ? l' AIC? ). Il faudrait peut être commencer par lire un livre sur les glm si tu en utilises ou s'en remettre à un biostatisticien.

[manoir]

Bonsoir,

Une question dans le même contexte a été déjà posée , ci dessous tu trouveras le lien, j'espère que cela peut t'avancer
http://www.developpez.net/forums/d78...-glm-binomial/

Bien à toi

[herve1729]

Pour le premier modèle : tu ne peux pas laisser les directions codées par des nombres, il faut que tu recodes toutes les directions par des dummy variables ! Dans chacune des directions le nombre d’insectes observés suit une loi de Poisson, ok, et ensuite je suppose que tu trouves une direction avec nettement plus d’insectes (avec un coeff plus grand, donc) : c’est celle que tu cherches. (Une solution plus fine serait de recoder la direction par deux variables seulement, le cos et le sin de l’angle avec une direction de référence, mais je ne pense pas que tu cherches ces raffinements).

En fait pour montrer que la direction a une influence, il faut comparer des modèles emboîtés, un où tu ne tiens compte que de la distance, et un autre où tu tiens compte de la direction. Je crois qu’il faut faire deux modèles avec glm, stocker les résultats et appeler anova() dessus.

Pour le second modèle : je ne comprends pas ce que tu fais, je ne connais pas assez la syntaxe de glm pour comprendre ton appel. Je suis cependant étonné de ne pas voir de p-value nulle part. Est-ce que tu as tenté de stocker le résultat de l’appel dans une variable et ensuite de demander summary() de cette variable ? Ou des choses comme ça. Il me semble que ces fonctions renvoient des informations qui ne sont pas affichées par défaut...

En tout cas, en effet tu n’en dis pas assez sur tes données et les résultats espérés pour qu’on puisse beaucoup t’aider.