Ho un GLMM con una distribuzione binomiale e una funzione di collegamento logit e ho la sensazione che un aspetto importante dei dati non sia ben rappresentato nel modello.
Per verificarlo, vorrei sapere se i dati sono ben descritti o meno da una funzione lineare sulla scala logit. Quindi, vorrei sapere se i residui sono ben educati. Tuttavia, non riesco a scoprire in quale trama di trama tracciare e come interpretare la trama.
Nota che sto usando la nuova versione di lme4 ( la versione di sviluppo di GitHub ):
packageVersion("lme4")
## [1] ‘1.1.0’
La mia domanda è: come posso ispezionare e interpretare i residui di un modello misto lineare binomiale generalizzato con una funzione di collegamento logit?
I seguenti dati rappresentano solo il 17% dei miei dati reali, ma il montaggio richiede già circa 30 secondi sulla mia macchina, quindi lascio così:
require(lme4)
options(contrasts=c('contr.sum', 'contr.poly'))
dat <- read.table("http://pastebin.com/raw.php?i=vRy66Bif")
dat$V1 <- factor(dat$V1)
m1 <- glmer(true ~ distance*(consequent+direction+dist)^2 + (direction+dist|V1), dat, family = binomial)
La trama più semplice ( ?plot.merMod
) produce quanto segue:
plot(m1)
Questo mi dice già qualcosa?
true ~ distance*(consequent+direction+dist)^2 + (direction+dist|V1)
? Sarà il modello give stima di interazione tra distance*consequent
, distance*direction
, distance*dist
e la pendenza direction
e dist
che varia con V1
? Cosa indica la piazza in (consequent+direction+dist)^2
?
Warning message: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : Model failed to converge with max|grad| = 0.123941 (tol = 0.001, component 1)
. Perché ?
type=c("p","smooth")
inplot.merMod
, o in movimento perggplot
se si vuole intervalli di confidenza) è che sembra che ci sia un piccolo ma significativo modello, che si potrebbe essere in grado di risolvere adottando una diversa funzione di collegamento. Fin qui è tutto ...