Home Forum Fuoritema Errore glm

Questo argomento contiene 1 risposta, ha 2 partecipanti, ed è stato aggiornato da  pdeninis 8 mesi, 2 settimane fa.

Stai vedendo 2 articoli - dal 1 a 2 (di 2 totali)
  • Autore
    Articoli
  • #5510

    Simone
    Partecipante

    Buona sera,

    sarò molto breve, con questo data frame
    >head(TAB)
    > TAB
    Reattore Settimane Attesa Analizzata Dose
    1 Reattore 1 S1 243.60 9.600 A
    2 Reattore 1 S2 287.90 29.100 A
    3 Reattore 1 S3 311.50 25.680 A
    4 Reattore 1 S4 299.36 20.870 A
    5 Reattore 2 S1 247.10 8.900 A

    > #La differenza tra concentrazione Atteso e Analizzato è la degradazione
    > #Ci sono 4 misure di replica per ciascun reattore
    >#3 dosi analizzate : A, B, 0
    >#3 Reattori con dose A; 3 reattori con doe B e solo 1 con dose 0.
    > #Obiettivo: si vuole verificare se la degradazione è significativa in base alla dose di contaminante.
    >
    >
    > m.glm <- glm(cbind(Analizzata,Attesa-Analizzata)~ Dose*Settimane, family=”binomial”, data =TAB)
    Warning message:
    In eval(family$initialize) :
    frequenze non intere nel modello glm binomiale!

    Ovviamente non riesco a fare l’anova
    Mi si presenta tale errore e non riesco a capirne il problema.
    Va detto che sono state effettuate 3 repliche per ciascuna dose (A, B)
    Invece una soltanto per unas terza dose 0. fORSE è QUESTO IL PRBLEMA?

    GRAZIE INFINITAMENTE

    #7322

    pdeninis
    Partecipante

    Il post è… d’annata. Tuttavia per chi legge potrebbe essere utile:

    frequenze non intere nel modello glm binomiale!

    Il messaggio è in italiano. L’origine dell’avvertimento è la variabile dipendente indicata nel modello logistico, in quanto costituita da frequenze intere (successes,trials). Le due variabili “Analizzata” e quella ottenuta dalla differenza “Attesa-Analizzata” non sono frequenze ma variabili quantitative continue e sono i decimali che lo rivelano inequivocabilmente.
    Di qui l’avvertimento.

    Ovviamente non riesco a fare l’anova

    Da quello che scrivi sembra tu voglia analizzare davvero una var dipendente quantitativa attraverso una ANOVA.

    L’ANOVA nell’algoritmo per il calcolo di modelli lineari generalizzati glm() si può ottenere indicando il parametro family=gaussian(link = “identity”). family=binomial, come hai indicato tu, predispone glm() a calcolare il modello di regressione logistica.

    Per i tuoi dati continui, può andar bene anche un modello lineare adattato con i minimi quadrati, lm() per intenderci, sulla variabile degradazione=Attesa-analizzata.

    glm() ed lm() nel tuo caso danno lo stesso risultato attraverso due procedimenti di stima diversi, Massima Verosimiglianza MLE il primo e Minimi quadrati il secondo.

    • Questa risposta è stata modificata 8 mesi, 2 settimane fa da  pdeninis.
Stai vedendo 2 articoli - dal 1 a 2 (di 2 totali)

Devi essere loggato per rispondere a questa discussione.