Bazı gözlemler için ofset değişkeninin 0 olduğu sayı verilerini modelleme

9

Bir meslektaşından bir öğrenciye yardım etmeye çalışıyorum. Öğrenci, deneysel bir düzenekte kuş davranışını (çağrı sayısı) gözlemledi ve saydı. Her deney sırasında gözlemlenen belirli bir kuşa atfedilebilen çağrıların sayısı belirlenemedi, ancak kaydedilen çağrıların sayısına katkıda bulunan kuşların sayısını saymak mümkün oldu. Bu nedenle ilk önerim, kuş sayısını bir Poisson GLM modelinde ofset terimi olarak dahil etmekti, bu nedenle kuş başına beklenen sayıda çağrıya uyuyoruz .

Buradaki sorun, birçok gözlem vesilesiyle hiçbir kuşun (ve dolayısıyla hiçbir çağrının) gözlenmemesidir. Yazılım (bu durumda R) şikayet ediyor çünkü (R veri içermekten şikayet ediyor, ancak bu sadece olmanın sonucudur ). $\log(0) = -\inf$ y-Infoffset(log(nbirds))-Inf

Aslında "çağrılar gözlendi" için ayrı bir binom modelimiz olduğu bir engel modeline (veya benzeri) ihtiyacımız olduğundan şüpheleniyorum. (veya değil) ve aramaların olduğu durumlarda aramaların sayısı (kuş başına) için kesilmiş bir sayım modeli ve ofset terimini sadece modelin sayım bölümüne dahil ediyoruz.

R'de pscl paketini kullanarak bunu denedim , ama yine de aynı hatayı alıyorum:

mod1 <- hurdle(NumberCallsCOPO ~ Condition * MoonVis +
               offset(log(NumberCOPO)) | 1, data = Data,
               dist = "poisson")

çünkü aynı R kodu ( glm.fitdahili hurdle()olarak sayım model parçasına sığdırmak için kullanılır ), -Infbu gözlemler için model uyumunu etkileyeceğini düşünmeme rağmen kontrol ediyor . (Bu doğru bir varsayım mı?)

Modeli NumberCOPO(örneğin 0.0001) küçük bir sayı ekleyerek sığdırmak için alabilirsiniz ama bu en iyi bir geçiştir.

Bu küçük süreklilik düzeltmesini eklemek pratikte uygun olur mu? Değilse, ofset değişkeninin 0 değerini alabileceği bir Poisson modelinde ofset kullanmak isteyebileceğimiz verileri ele alırken başka hangi yaklaşımları düşünmeliyiz? Karşılaştığım örneklerin tümü, ofset değişkeni için 0'ın mümkün olmadığı durumlar içindir.

generalized-linear-model count-data offset

— Gavin Simpson
kaynak

2

Bu durumda, modeliniz bir totolojiye uymaya çalışıyor gibi görünüyor: 0 kuş gözlemlenirse 0 kuş araması da duyacaksınız. Bu durumda ofset 0 ile satırlara bir model takmanın uygun olduğuna ikna olmadım.

— Sycorax, Reinstate Monica'ya

Teşekkürler, aşağıda belirttiğim gibi, bu benim de bağırsak reaksiyonum. Barry'nin (Spacedman) cevabını aşağıdaki cevabımda biraz genişlettim.

— Gavin Simpson

2

Poisson oranı modelinin (yani, ofset terimiyle) bu davalar için uygun olmadığını ima eden yorumlara katılıyorum (ve bu davaları dahil etmek için binom gibi ayrı bir modelin uygulanması gerektiğini söylemelisiniz). . Oran sıfır paydaya dayanamaz.

— ttnphns

6

Yani modellemek istediğiniz yanıt "Kuş başına arama sayısı" dır ve sıkıntılı hatlar hiç kuş gözlemlemediğiniz yerdir? Sadece bu satırları bırakın. Modellemeye çalıştığınız şeye hiçbir bilgi eklemezler.

— Spacedman
kaynak

Bu benim bağırsak reaksiyonum da; muhtemelen bunu düşünüyor, ama kuşların gözlemlediği, ancak çağrı yapılmadığı bir durum öngörüyorum. Bu nedenle engel modeli, ancak dahili olarak hala glm.fit, bu değerler modelin sayma bölümünde sayılmasa bile bir yalpalama atıyor. Sanırım engel modelini elle yapabiliyorum ama bunu yapmak istemiyorum, sadece öğrenciye tavsiye et.

— Gavin Simpson

3

Sıfır olmayan gözlemlenen kuşlardan yapılan çok fazla sıfır çağrınız varsa, sıfır şişirilmiş bir poisson modeli (veya benzeri) yapmak isteyebilirsiniz, ancak kuş başına çağrı sayısı ile ilgileniyorsanız, bu gözlenen sıfır kuşlardan çok farklıdır .

— Spacedman

Bu durumda bunların çoğuna sahip olduğumuzu sanmıyorum; 0-gözlemlenen-kuş verilerinin dışarı atılması ve negatif bir binom ile takılması makul bir ilk adım gibi görünmektedir.

— Gavin Simpson

2

Bir Poisson GLM'de ofset, modellenen Poisson oranı üzerinde çarpımsal bir ölçeklemedir ve sıfır oranına sahip bir Poisson yararlı veya hatta anlamlı değildir ...

Bu yüzden Spacedman doğrudur!

— Soğanlı Squidge
kaynak

0

Sadece (Engel) 'i elle yapmayı deneyin ("didaktik / jimnastik" purporse için): binom parçasına ve cout parçasına bölün ve uydurma logit ve cout regresyonunu ayrı olarak ayırın! Veya standart Engel modelleri (+ Vuong testi) Poisson / negBin kullanın / Gamma ..., GAM Burada "ofset" seçeneğine ihtiyacınız yok, bana öyle geliyor. ;-)

— Ivan Kshnyasev
kaynak