[R-br] Resíduos e MCMCglmm

Segunda Novembro 23 13:45:56 BRST 2015

Para salientar o que o Wagner falou sobre esquecer teste de normalidade 
de resíduos. Historicamente tivemos evolução dos modelos lineares aos 
modelos GLM e desejou-se fazer análises parecidas (em GLM) para checar a 
suposição de distribuição do modelo. Uma destas, o "envelope de 
resíduos" (alguém mais clever que eu deu esse nome então o estou usando) 
é a que faz mais sentido para mim. Ou seja, como o Wagner falou: esqueça 
teste de normalidade!

Eu tinha esquecido de mencionar que ao fazer análise Bayesiana podemos 
usar a Probability Integral Transform (PIT)  para verificar a suposição 
de distribuição. No INLA isso pode ser obtido considerando
   control.compute=list(cpo=TRUE)
e você pode visualizar isso no plot() do output.

Elias

On 23/11/15 16:18, Wagner Bonat wrote:
> 1 - Se sua resposta for Gaussiana o residuo deve ser Gaussiano. Eu nao 
> tenho nenhuma experiencia com o pacote MCMCglmm, mas eu acho que vc 
> esta assumindo Gaussianidade pq vc nao especificou nenhuma 
> distribuicao no argumento family.
> O envelope simulado que o Elias falou vai ajudar a interpretar o 
> QQ-plot que deve sim indicar que os residuos sao Gaussianos i.e. 
> pontos dentro do envelope.
> Eu nao vi o qq-plot dos seus residuos talvez vc possa colocar aqui pra 
> gente ver.
>  As vezes nas pontas fica meio estranho mesmo.
>
> 2 - Esses testes de normalidade esquece isso.
>
> 3 - Apesar da normalidade dos residuos ser importantes, muitas vezes 
> isso nao tem nenhum grande efeito na estimacao dos parametros que em 
> geral e bastante robusta. Eu estaria mais preocupado em verificar se 
> existe um relacionamento entre media e variancia, vc pode usar por 
> exemplo um grafico residuos versus preditos ou observados. Se vc 
> identificar algum padrao e sinal de problema no modelo.
> Vc precisa de alguma forma padronizar esses residuos para vc ter uma 
> ideia do tamanho que eles sao. E identificar possiveis outliers ou 
> pontos influentes aberrantes...
>
> 4 - MCMCglmm e so um pacote que ajusta Generalized Linear Mixed Models 
> (GLMM) using MCMC methods. Vc pode ajustar GLMM usando diferentes 
> distribuicoes para a sua variavel resposta, como Gaussiana, Gamma, 
> Normal Inverse, T e outras.
>
> 5 - O pacote INLA e capaz de ajustar esse modelo filogenetico que vc 
> quer. Vc pode ajustar usando a Normal e tbm tem opcao skew Normal and 
> Gamma. Vc deve usar o modelo generic0 e passar a inversa da sua matriz 
> filogenetica parecido com o que vc passou pro MCMCglmm.
> Ver http://www.math.ntnu.no/inla/r-inla.org/doc/latent/generic0.pdf. 
> Exemplo de aplicacao de INLA em animal models que e praticamente a 
> mesma coisa que o modelo filogetico neste paper.
> http://www.g3journal.org/content/3/8/1241.full
>
> 6 - Meu pacote mcglm tbm e capaz de ajustar esse modelo, usando 
> estimating function uma abordagem diferente. No caso Gaussiano os 
> modelos sao iguais a menos do efeito da priori.
> Vc pode baixar o meu paper aqui e ver se atende suas necessidades
> https://www.researchgate.net/profile/Wagner_Bonat2
>
> 7 - Se vc tiver interesse em uma abordagem nao Bayesiana. Manda um 
> e-mail e conversamos.
>
>
>
>
>
> Em 23 de novembro de 2015 15:34, Filipe Cristovão <filipe.cunha em uzh.ch 
> <mailto:filipe.cunha em uzh.ch>> escreveu:
>
>     Olá,
>
>     Muito obrigado pelas mensagens.
>
>     Vou dar continuidade a discussão com alguns esclarecimentos e um
>     pouco de código:
>
>     1- Elias pergunta como calculo os resíduos nesse modelo:
>
>
>     >residuals_model<-(data$response_variable-predict(model))
>
>     2- Wagner, sua pergunta é, de alguma maneira, minha grande dúvida:
>     "Se vc já sabe que sua variável resposta é gamma pq não ajusta um
>     modelo gamma? Ou mesmo qq outro modelo para resposta contínua como
>     a Gaussian Inverse?”. Contudo, qual tipo de análise que não
>     MCMCglmm me permitiria controlar meus dados quanto à filogenia?
>
>     3. E finalmente sobre os motivos de se usar MCMCglmm: recaem
>     novamente na não independência dos dados e na possibilidade de se
>     controlar filogeneticamente.
>
>     Mas, a mesma pergunta que foi feita, é parte da minha questão:
>     "Por que assumindo distribuição de probabilidade aos parâmetros, a
>     interpretação dos resultados é baseada no fato de que também se
>     obtem distribuições de probabilidade à posteriori para
>     interpretar?” Em outras palavras, por que os resíduos devem seguir
>     uma distribuição normal mesmo se os dados não são normais? Ou essa
>     última frase está equivocada?
>
>     O modelo segue:
>
>     #Phylo é minha árvore filogenética.
>
>     >MCMC1<-MCMCglmm(Response_var~var1*var2*+var3,
>     +            random = ~Phylo, family=“?”,
>     +  ginverse=list(Phylo=inv.phylo$Ainv), prior = prior,
>     +            nitt = 10000,
>     +             burnin = 1000, thin = 500, data = mob,
>     +            verbose = F )
>
>     # Os resíduos estão acima. E para checar a normalidade dos
>     resíduos usei:
>
>     > qqnorm(residuals_model)
>     > shapiro.test(residuals_model)
>
>     Enfim, após as mensagens que me fizeram estudar novos artigos =)
>     refaço as perguntas:
>
>     A) Meus resíduos precisam ser normais quando uso um modelo MCMCglmm?
>
>     B) Que outro pacote me permite controlar a filogenia em um modelo?
>
>     Abraços,
>
>
>
>     Filipe Cristovão R. da Cunha
>     Anthropological Institute & Museum
>     University of Zurich - Campus Irchel
>     Winterthurerstrasse 190, CH-8057 Zürich
>     Switzerland
>     www.aim.uzh.ch/Research/birdfamilies/filipe.html
>     <http://www.aim.uzh.ch/Research/birdfamilies/filipe.html>
>     www.flickr.com/photos/filipe_cristovao
>     <http://www.flickr.com/photos/filipe_cristovao>
>
>
>     _______________________________________________
>     R-br mailing list
>     R-br em listas.c3sl.ufpr.br <mailto: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.
>
>
>
>
> -- 
> Wagner Hugo Bonat
> ----------------------------------------------------------------------------------------------
> Department of Mathematics and Computer Science (IMADA)
> University of Southern Denmark (SDU) and
> Laboratório de Estatística e Geoinformação (LEG)
> Universidade Federal do Paraná (UFPR)
>
>
>
> _______________________________________________
> 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 forne�a c�digo m�nimo reproduz�vel.

-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20151123/b83bca0c/attachment.html>