Modèle linéaire généralisé sous R

[invite24f624b1]

Bonjour,

J'essaie d'effectuer un modèle linéaire généralisé sous R mais je rencontre des difficultés. Le but de mon analyse est d'essayer d'expliquer mon facteur N par les autres variables (Temperature, Salinity, Turbidity, pH, et O2). Le problème c'est que R requiert une valeur de y (la variable à expliquer, ici N) comprise entre 0 et 1. Je ne comprends pas pourquoi... quelqu'un a une idée ?

Script :

> d
Temperature Salinity Turbidity pH O2 N
1 12.6 0.40 76 7.92 9.48 1.00000
2 17.6 0.40 NA 8.32 6.18 12.00000
3 19.3 8.07 82 8.10 7.71 8.00000
4 25.0 1.70 150 8.10 NA 48.33333
5 27.2 5.30 145 8.12 4.53 117.00000
6 26.6 8.30 NA 8.02 5.48 37.33333
7 26.3 6.20 254 8.17 5.09 50.50000
> attach(d)
> names(d)

> m=glm(N~Temperature+Salinity+T urbidity+pH+O2, family=binomial(link="logit"))
Erreur dans eval(expr, envir, enclos) :
les valeurs de y doivent être 0 <= y <= 1
-----

[invite986312212]

c'est parce que le modèle binomial cherche à expliquer une probabilté, et une proba c'est un nombre de l'intervalle [0,1]
il te faut faire autre chose.

[invite24f624b1]

Ambrosio vous êtes partout ! Pensez-vous qu'un modèle de Poisson est plus adapté ?

[invite986312212]

on emploie la loi de Poisson pour modéliser des comptages (d'objets, d'événements) quand ces nombres ne sont pas bornés a priori (en pratique, quand on est loin de la borne supérieure).

[A voir en vidéo sur Futura]

[invite24f624b1]

Ok merci Ambrosio, le modèle de Poisson correspond bien à mes données. Voilà les résultats que j'obtiens :


Estimate Std. Error z value Pr(>|z|)
(Intercept) 91.34545 33.95424 2.690 0.00714 **
Temperature 0.43350 0.05905 7.341 2.12e-13 ***
Salinity 0.17951 0.16508 1.087 0.27685
pH -12.23223 4.39502 -2.783 0.00538 **


Puis-je en déduire que les facteurs température et pH ont un effet sur l'abondance (ma variable à expliquer)? Que conclure des coefficients? Et surtout comment puis-je tester si les deux facteurs température et pH ne sont pas liés entre eux ?