similar to: modelos mixtos con familia quasibinomial

Hola a todos. Estoy utilizando la función lmer del paquete lme4 para ajustar un modelo mixto. Tengo varias variables en mi data.frame, unas son a nivel individual y otras a nivel de comarcas. Listo algunas. ingre_6 : Ingresos (nivel individual) iscs_a : un indicador sintético resumen de otras variables, calculado mediante componentes principales. sau_com : superficie agraria útil de cada una

Hola a todos, Me gustaria saber si en un modelo mixto se puede usar el tamaño de muestra como peso o es incorrecto hacerlo. Por ejemplo en el comando 'lmer' del paquete lme4 hay una opcion 'weights' (igual que en 'lm' de stats). Si tengo datos de una medida (por ejemplo el peso) de 10 especies de aves (rango, de 50 a 3000 datos segun la especie) ¿puedo usar esta n en

Hola a todos, Estoy trabajando con modelos lineales generalizados (GLM), en particular con las funciones glm y anova.glm de R. Tengo una pregunta que es más bien técnica en el sentido estadístico (y un poco Off Topic y probablemente un tanto naive). No tengo claro si es correcto decir análisis de varianza o de devianza al utilizar GLMs, veo que en el help de anova.glm dice análisis de

Is this a bug? seasonal.dummies <- function(x, contr=NULL) { # takes a time series and returns a matrix of seasonal dummies for # x. This is almost cycle(x), we only have to make it into a factor # and add suitable level names. # return a matrix which includes a constant! # level names here assumes frequency is 12! cyc <- factor( cycle(x), labels=c("ene","feb",

Hi, How do I build a table from a regression model adjusted using xtable? Commands are: modelo1 = lm(Y~X1 + X2) influencia = influence.measures(modelo1) require(xtable) xtable(influencia) but it isn't work. Thanks, -------------------------------------- Silvano Cesar da Costa Departamento de Estat?stica Universidade Estadual de Londrina Fone: 3371-4346

Dispongo de un experimento en el que cinco tratamientos ha sido aplicados a cinco grupos de voluntarios. En cada grupo había tres personas y a cada persona se le tomaron 3 medidas, En total dispongo de 45 medidas, pero evidentemente no son independientes entre sí. Si no tomo en cuenta que las medidas de la misma persona son más parecidas entre sí (bloques anidados) estaría incurriendo en

Buenas a todos. Desde hace un tiempo estoy tratando de aplicar las funciones de la familia *pply en todo lo que puedo, pero todavía no es algo que me surja tan rápidamente o naturalmente al momento de los loops como usar for(). Conozco las ventajas de usar estas funciones y por eso mi intento de hacerme de ellas. Por ejemplo en este problema: data=matrix(rnorm(100*20),20,100)

Hola Jorge, muchas gracias por tu pronta respuesta, no me di cuenta que el formateo podría causar problemas, envío de nuevo el código sin formatos. La idea básica es para un set de números de columnas (desordenados) y un set de numeros de fila el loop lo que hace es ir a la fila y columna correspondiente de data, tomar el valor y luego hacer la media sobre esos.

An embedded and charset-unspecified text was scrubbed... Name: not available URL: <https://stat.ethz.ch/pipermail/r-help/attachments/20091125/3f0e364b/attachment-0001.pl>

Hola a todos. ¿Cómo puedo ajustar un modelo de regresión logística en el que la varianza de los errores no son iguales, sino que esta puede ser modelada por otras variables ? ¿Utilizando modelos mixtos o voy desencaminado? Gracias..

Muchas gracias a ambos Carlos y Jorge por las respuestas. Pido disculpas en la demora de respuesta, pero estuvo complicada la semana. La pregunta era un ejercicio de ejemplo para poder entender mejor los usos, creo que me armaré una guía en markdown con ejemplos varios para ir consultando cuando me salgan dudas de como usarlos. En realidad no importaba tanto si mejorara demasiado los tiempos

Hola, ¿qué tal? Voy a ejercer de portavoz oficioso del "petit comité" que inició esta lista de correo y pedir un favor a los actuales miembros de la lista. Como más de uno ya sabe, crearla, aparte del interés "per se", tenía un objetivo adicional y de mayor alcance: reunir a la comunidad hispanohablante de usuarios de R y, en particular, a la española para intercambiar

Hi, I have tried to run the following (I know it's a huge data set but I tried to perform it with a 1 GB RAM computer): library(foreign) library(MASS) library(nlme) datos<-read.spss(file="c:\\Documents and Settings\\Administrador\\Escritorio\\datosfin.sav",to.data.frame=TRUE) str(datos) `data.frame': 1414 obs. of 5 variables: $ POB : Factor w/ 6 levels

Hola, Si, lo eh pensado pero no eh tenido tiempo de ondar y tengo que profundisar en la biologia y en el procediminto del monitoreo. Dado que todos los años se muestera la misma estacion talvez habria que utilizar un glmm en vez de glm... En realidad lo que estoy aplicando es el modelo de Hurdle, pero haciendolo en dos partes separadas ya que primero analizo la possiblidad que hay de encontrar

Gracias! El 15 de junio de 2015, 16:54, Freddy Omar López Quintero < freddy.vate01 en gmail.com> escribió: > ?Holap.? > > ran out of iterations and failed to converge > > > ?Prueba aumentando el número de iteraciones, con el argumento maxit: > > ?GLM <- bigglm(In.hospital_death ~ GCS + BUN, data = DatosGLM, family = >> binomial(logit), maxit=1000)? >

Gracias a todos por sus respuestas, perdón si no fui muy claro. Lo que intento replicar es un análisis realizado en Stata, tengo que hacer los mismos cálculos pero en el r. En Stata lo que se hizo fue: xi: logistic i.coord i.v11_sexo, vce (cluster red) *Vce (cluster clustvar) especifica que los errores estándar permiten la correlación intragrupo, relajando el requisito habitual de que las

Hello list, i have a glm with family=binomial, link=logit but there is over-dispersion. So, in order to take into account for this problem i choose to do a glm with family=quasibinomial(). I'm not an expert on this subject and i ask if someone could validate my approach (i'm not sure for the tests) : quasi_glm(myformula,quasibinomial(),start=mystart) summary(quasi) # test t for

I've originally made 48 GLM binomial models and compare the AIC values. But dispersion was very large: Example: Residual deviance: 8811.6 on 118 degrees of freedom I was suggested to do a quasibinomial afterwards but found that it did not help the dispersion factor of models and received a warning: Residual deviance: 3005.7 on 67 degrees of freedom AIC: NA Number of Fisher Scoring

Full_Name: Henric Nilsson Version: 2.3.0 Patched (2006-05-09 r38014) OS: Windows 2000 SP4 Submission from: (NULL) (83.253.9.137) When supplying an unavailable link to `quasibinomial', the error message looks strange. E.g. > quasibinomial("x") Error in quasibinomial("x") : 'x' link not available for quasibinomial family, available links are "logit",

Dear all, I've got some questions, probably due to misunderstandings on my behalf, related to fitting overdispersed binomial data using glm(). 1. I can't seem to get the correct p-values from anova.glm() for the F-tests when supplying the dispersion argument and having fitted the model using family=quasibinomial. Actually the p-values for the F-tests seems identical to the p-values for