Ergebnisse eines gml-Modells

Modelle zur Korrelations- und Regressionsanalyse

Moderator: EDi

Antworten
Fanny
Beiträge: 13
Registriert: Fr Mär 05, 2021 3:34 pm

Ergebnisse eines gml-Modells

Beitrag von Fanny »

Hallo,

habe Probleme meine Ergebnisse richtig zu lesen:
Es handelt sich um 6 verschiedene Behandlungen (H, HF, C, CF, S, SF) , dazu zwei verschiedene Kammern (R und L) und drei verschiedene Zeitlängen ( 1,2,5)

Wurzel_TM.glm<-glm(formula=Wurzel_TM~Behandlung+Tempertaur+Stufe
+Behandlung:Tempertaur
+Tempertaur:Stufe
+Stufe:Behandlung,
family = poisson,data=Daten.df)
summary(Wurzel_TM.glm)

Wurzel_TM1.glm<-glm(formula=Wurzel_TM~Behandlung+Tempertaur+Stufe
+Tempertaur:Stufe
+Stufe:Behandlung,
family = poisson,data=Daten.df)
summary(Wurzel_TM1.glm)

Wurzel_TM2.glm<-glm(formula=Wurzel_TM~Behandlung+Tempertaur+Stufe
+Stufe:Behandlung,
family = poisson,data=Daten.df)
summary(Wurzel_TM2.glm)

Mein Output ist folgender:
Call:
glm(formula = Wurzel_TM ~ Behandlung + Tempertaur + Stufe + Stufe:Behandlung,
family = poisson, data = Daten.df)

Deviance Residuals:
Min 1Q Median 3Q Max
-1.59761 -0.43313 -0.08905 0.25261 2.15381

Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.5475 0.4198 1.304 0.192
BehandlungHF -1.3022 0.8392 -1.552 0.121
BehandlungK 0.6361 0.4933 1.289 0.197
BehandlungKF 0.2483 0.4952 0.501 0.616
BehandlungS -1.2717 0.7215 -1.763 0.078 .
BehandlungSF -1.1184 0.6814 -1.641 0.101
TempertaurR 0.1513 0.1513 1.000 0.317
Stufe -0.3036 0.1870 -1.624 0.104
BehandlungHF:Stufe 0.1025 0.3707 0.276 0.782
BehandlungK:Stufe 0.1109 0.2196 0.505 0.613
BehandlungKF:Stufe 0.3242 0.2133 1.520 0.129
BehandlungS:Stufe 0.3150 0.2906 1.084 0.278
BehandlungSF:Stufe 0.3277 0.2755 1.189 0.234
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for poisson family taken to be 1)

Null deviance: 149.121 on 142 degrees of freedom
Residual deviance: 56.435 on 130 degrees of freedom
(1 observation deleted due to missingness)
AIC: Inf

Number of Fisher Scoring iterations: 5

Das rot markierte kann ich nicht erklären, bzw. habe das Gefühl, dass das ganze Modell falsch ist.

Ich bitte um Hilfe und bedanke mich im vorraus!
Grüße
Dateianhänge
Datei für R forum.xlsx
(11.09 KiB) 10-mal heruntergeladen
Fanny
Beiträge: 13
Registriert: Fr Mär 05, 2021 3:34 pm

Re: Ergebnisse eines gml-Modells

Beitrag von Fanny »

Zusätlich:
habe jetzt einmal für family=quasipoisson probiert.
Da kommt AIC=NA raus.
Benutzeravatar
EDi
Beiträge: 1436
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Ergebnisse eines gml-Modells

Beitrag von EDi »

Wurzel_TM
Ich vermute, dass dies für Wurzel Trockenmasse steht.

Desweiteren vermute ich, dass dies keine Ganzzahlen sind.

Daraus schließe ich, dass du mit
bzw. habe das Gefühl, dass das ganze Modell falsch ist.
gar nicht mal so falsch liegst. Poisson ist für ganzzahlige Zähldaten.

Desweiteren habe ich in der freien Wildbahn nur sehr selten Poisson verteile Daten gesehen - meist gabs zu mehr Varianz als das Model hergibt (aka overdispersion).

Was stört dich am Intercept?
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.

Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
Bild.
Fanny
Beiträge: 13
Registriert: Fr Mär 05, 2021 3:34 pm

Re: Ergebnisse eines gml-Modells

Beitrag von Fanny »

Vielen dank für deine Nachricht.
Du hast Recht, TM steht für Trockenmasse.

Bedeutet mein Intercept =H und linke Kammer ? Oder wofür steht der Intercept genau. (Ziemlich grundlegende Fragen.)
Kann ich trotz AIC=Inf, die Werte für die jeweiligen Behandlungen etc. verwenden?
Hast du eine Ahnung ob family=quasipoisson besser wäre? (AIC=NA)?
Benutzeravatar
EDi
Beiträge: 1436
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Ergebnisse eines gml-Modells

Beitrag von EDi »

Bedeutet mein Intercept =H und linke Kammer ? Oder wofür steht der Intercept genau. (Ziemlich grundlegende Fragen.)
Falls kammer die variable temperataur ist, dann vermutlich. Zusätzlich noch stufe=0, da wohl kontinuierlich... Ohne ein reproduzierbares Beispiel kann ich man das aber nicht genau sagen anhand der Infos die hier gegeben wurden...
Kann ich trotz AIC=Inf, die Werte für die jeweiligen Behandlungen etc. verwenden?
Hast du eine Ahnung ob family=quasipoisson besser wäre? (AIC=NA)?
Das ist ein Fall für Modelldiagnostik. Anhand der Überlegungen die ich oben geschrieben habe, deutet alles für mich hin, dass die poissonVerteilung unpassend ist.
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.

Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
Bild.
Antworten