Estimados, Necesito estudiar los efectos de dos factores sobre una variable de conteo con un rango estrecho de variación (es decir, probablemente sin distribución Normal). El experimento tiene más de 10 (fechas de muestreo) observaciones repetidas en el tiempo. En primer lugar, considero que debería aplicar un modelo lineal generalizado (¿Mixto?) usando Poisson como distribución de referencia. Segundo, creo que se trata de un problema de datos longitudinales. Tengo entendido que se debería aplicar un modelo de correlación serial como el autoregresivo de orden 1. Ya sea para éste modelo o para otro que me puedan aconsejar, agradecería mucho me ayuden con la sintaxis. Eduardo Trumper [[alternative HTML version deleted]]
Hola, Varias dudas: 1. ¿La fecha influye en el experimento?, si no es así puedes utilizar un análisis de experimentos típicos modo ANOVA. 2. ¿Por qué dices que el modelo puede ser autoregresivo de orden 1?. Hay correlación entre los experimentos (esto es: el resultado de uno influye en el siguiente?). Creo que va a ser más efectivo si comentas el tipo de experimento que se trata: variable objetivo?, variables que se modifican en el experimento?, grupos?. Como comento, puede que con un análisis más sencillo que el que planteas se pueda resolver. Saludos, Carlos Ortega www.qualityexcellence.es 2010/9/13 Eduardo Trumper <eduardo.trumper@gmail.com>> Estimados, > Necesito estudiar los efectos de dos factores sobre una variable de conteo > con un rango estrecho de variación (es decir, probablemente sin > distribución > Normal). El experimento tiene más de 10 (fechas de muestreo) observaciones > repetidas en el tiempo. > > En primer lugar, considero que debería aplicar un modelo lineal > generalizado > (¿Mixto?) usando Poisson como distribución de referencia. > > Segundo, creo que se trata de un problema de datos longitudinales. Tengo > entendido que se debería aplicar un modelo de correlación serial como el > autoregresivo de orden 1. Ya sea para éste modelo o para otro que me puedan > aconsejar, agradecería mucho me ayuden con la sintaxis. > > > > Eduardo Trumper > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > >[[alternative HTML version deleted]]
Eduardo, en tu caso, no creo necesario que especifiques un modelo de autocorrelación. Si utilizas un modelo lineal generalizado mixto (ver por ejemplo la función glmer() del paquete "lme4"), por defecto tus medidas repetidas tendrán correlación en el tiempo. La sintaxis de la función glmer() no presenta en principio dificultad. Supongamos que cuentas los huevos en distintos nidos durante 10 años y que quieres explicar la variación de este conteo en función de la especie y de la zona geográfica, se podría considerar el siguiente modelo: glmer(Conteo ~ especie + zona + (1|nido) , datos, family = poisson) que asume que los nº de huevos en un mismo nido están correlados de un año a otro. Además se contempla la posibilidad de que en promedio este número varíe con la especie y la zona geográfica (¡sin interacción entre ambos factores!). Un saludo. Olivier -- ____________________________________ Olivier G. Nuñez Email: onunez en iberstat.es Tel : +34 663 03 69 09 Web: http://www.iberstat.es ____________________________________ El 13/09/2010, a las 15:26, Eduardo Trumper escribió:> Estimados, > Necesito estudiar los efectos de dos factores sobre una variable > de conteo > con un rango estrecho de variación (es decir, probablemente sin > distribución > Normal). El experimento tiene más de 10 (fechas de muestreo) > observaciones > repetidas en el tiempo. > > En primer lugar, considero que debería aplicar un modelo lineal > generalizado > (¿Mixto?) usando Poisson como distribución de referencia. > > Segundo, creo que se trata de un problema de datos longitudinales. > Tengo > entendido que se debería aplicar un modelo de correlación serial > como el > autoregresivo de orden 1. Ya sea para éste modelo o para otro que > me puedan > aconsejar, agradecería mucho me ayuden con la sintaxis. > > > > Eduardo Trumper > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es
Eduardo,
si no te conformas con una estructura de correlación sencilla
("simetría compuesta"),
puedes sofisticar el modelo, de manera que la correlación vaya
decreciendo conforme se alejan la fechas.
En este caso, es mejor utilizar la función glmmPQL() del paquete MASS.
Utilizando el ejemplo de mi anterior mensaje con una correlación de
tipo AR(1), tendríamos la sintaxis:
fit=glmmPQL(Conteo ~ especie + zona, random= ~ 1 | nido, family =
poisson)
update(fit , correlation=corAR1(rho, form = ~ 1 | nido))
donde "rho" es un valor inicial para el parámetro de correlación (por
ejemplo, rho=0.5).
Un saludo. Olivier
--
____________________________________
Olivier G. Nuñez
Email: onunez en iberstat.es
Tel : +34 663 03 69 09
Web: http://www.iberstat.es
____________________________________
El 13/09/2010, a las 15:26, Eduardo Trumper escribió:
> Estimados,
> Necesito estudiar los efectos de dos factores sobre una variable
> de conteo
> con un rango estrecho de variación (es decir, probablemente sin
> distribución
> Normal). El experimento tiene más de 10 (fechas de muestreo)
> observaciones
> repetidas en el tiempo.
>
> En primer lugar, considero que debería aplicar un modelo lineal
> generalizado
> (¿Mixto?) usando Poisson como distribución de referencia.
>
> Segundo, creo que se trata de un problema de datos longitudinales.
> Tengo
> entendido que se debería aplicar un modelo de correlación serial
> como el
> autoregresivo de orden 1. Ya sea para éste modelo o para otro que
> me puedan
> aconsejar, agradecería mucho me ayuden con la sintaxis.
>
>
>
> Eduardo Trumper
>
> [[alternative HTML version deleted]]
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es