[英]How do you calculate the expected number of zeros in a Poisson distributed mixed-effects model in R?
我正在研究數據集,並適合泊松分布混合效果模型。 我想計算我的模型預測的預期零位數,並將其與實際數據集中觀察到的零位數進行比較。 盡管我看到很多文章都在討論有關此基礎數學的知識,但是實現這種數學的代碼對我來說並不明確,我似乎也找不到任何明確的答案。
據我所知,我正在尋找一種為R中的混合效應模型計算P(Yi = 0 | xi)=e-λ的方法。
我的數據集上的一些背景。 響應變量是一個計數(單個蝴蝶的數量),我的預測變量主要是比例(例如,花朵覆蓋的棲息地的比例)。 我也有一個隨機變量:PatchID。 我在lme4軟件包中安裝了泊松分布混合效應模型。
模型輸出:
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
Family: poisson ( log )
Formula: spp_icarus ~ BareGround + Shrub + Grass + AllFlowers + CowsVetch +
CanopyCover + avg.bft + season.bft + (1 | PatchID)
Data: icarusdata2
AIC BIC logLik deviance df.resid
804.8 835.2 -392.4 784.8 144
Scaled residuals:
Min 1Q Median 3Q Max
-4.819 -0.844 -0.350 0.443 77.147
Random effects:
Groups Name Variance Std.Dev.
PatchID (Intercept) 2.69 1.64
Number of obs: 154, groups: PatchID, 39
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.3069 0.5750 0.534 0.593512
BareGround -5.7246 0.8096 -7.071 1.54e-12 ***
Shrub -50.1908 5.8837 -8.530 < 2e-16 ***
Grass -1.3167 0.5608 -2.348 0.018875 *
AllFlowers 11.2299 1.5986 7.025 2.14e-12 ***
CowsVetch -51.2781 8.0523 -6.368 1.91e-10 ***
CanopyCover 0.1029 2.3806 0.043 0.965537
avg.bft -48.1492 7.0559 -6.824 8.86e-12 ***
season.bft1 2.0350 0.6045 3.367 0.000761 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
好的,我對這篇文章的解釋可以轉換為R代碼,如下所示。 使用擬合模型model
您可以預測每個觀察值的預期響應:
lambda_hat <- predict(model, type = "response")
對於泊松分布,期望值對應於lambda參數。 而且我們知道零的概率是exp(-lambda)
。 因此,我們可以計算每個觀測值的零概率,並將它們求和以獲得期望的零數:
expected_zeros <- sum(exp(-lambda_hat))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.