[R-br] Desdobramento de interações em dados com distribuição de Poisson inflacionada por zeros

[Manoel Galdino]

Olhando por cima,

parece-me que você tem uma mistura de distribuições, não?

Talvez o pacote flexmix possa te ajudar nesse aspecto.

http://rss.acs.unt.edu/Rdoc/library/flexmix/html/flexmix.html

abcs
M


2013/9/22 Mauro Sznelwar <sznelwar em uol.com.br>

> **
> Não estão sendo encontrados os objetos 'm1' e 'época'
>
> Bom dia Pessoal,
>
>          Estou quebrando a cabeça para tentar desdobrar interações em
> dados com distribuição de Poisson inflacionada por zeros, na verdade é
> uma situação muito recorrente em entomologia, onde em algumas situações
> temos zero insetos e em outras muitos, considerando-se dados de
> contagens. Fiz uma pequena simulação abaixo para ilustrar o problema
> (Variáveis observadas Trat e Epoca e variável resposta y), se acho um
> modelo significativo que tem uma parte com distribuição de Poisson e
> outra com Binomial, como faço o desdobramento? Uma para cada
> distribuição ou tem alguma abordagem diferente? Segue CRM abaixo:
>
> ## Desdobramento de dados com distribuição de Poisson inflacionado por
> zeros ---
>
> require(pscl)
>
> y1<- c(mapply(rpois, lambda=c(5,20,45), MoreArgs=list(n=400)))##Criação
> da variável resposta Poisson
> y2<- c(mapply(rbinom, size=c(1,0,0), prob=c(0.5,1,1),
> MoreArgs=list(n=200)))##Criação da variável resposta Binomial
> y<-c(y1,y2)
>
> trat <- as.factor(gl(3,600)) ##Criação dos tratamentos
>
> tempo<- as.factor(rep(gl(6,100),3)) ### Criação da variável tempo
>
> dados<-as.data.frame(cbind(trat,tempo, y))
>
>
> #-------------------------------------------------------------------------------
> # Análise de variância do dados inflacionados
>
> summary(m1 <- zeroinfl(y ~ trat | epoca, data = dados)) ## Modelo completo
>
> mnull <- update(m1, . ~ 1) ### Modelo nulo
>
> pchisq(2 * (logLik(m1) - logLik(mnull)), df = 2, lower.tail = FALSE) ##
> Teste de Chi o modelo completo foi significativo
>
> ## Comparando com GLM Poisson sem inflação por zeros
> ---------------------------
>
> summary(p1 <- glm(y ~ trat + epoca, family = poisson, data = dados))
>
> ##Teste de
> Vuong----------------------------------------------------------------
>
> vuong(p1, m1) ## O GLM Poisson estava tão mal ajustado que o Poisson
> iflacionado é a única opção
>
> #
>
> ## E agora, como desdobrar isto? Faço um desdobramento para parte de
> poisson e outra para parte binomial?
>
> Obrigado,
>
> --
> ======================================================================
> Alexandre dos Santos
> Proteção Florestal
> IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso
> Campus Cáceres
> Caixa Postal 244
> Avenida dos Ramires, s/n
> Bairro: Distrito Industrial
> Cáceres - MT                      CEP: 78.200-000
> Fone: (+55) 65 8132-8112 (TIM)   (+55) 65 9686-6970 (VIVO)
> e-mails:alexandresantosbr em yahoo.com.br
>          alexandre.santos em cas.ifmt.edu.br
> Lattes: http://lattes.cnpq.br/1360403201088680
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
> código mínimo reproduzível.
>



-- 
Manoel Galdino
https://sites.google.com/site/galdinomcz/
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20130922/af35d73a/attachment.html>