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
Ergebnisse eines gml-Modells
Moderator: EDi
Ergebnisse eines gml-Modells
- Dateianhänge
-
- Datei für R forum.xlsx
- (11.09 KiB) 133-mal heruntergeladen
Re: Ergebnisse eines gml-Modells
Zusätlich:
habe jetzt einmal für family=quasipoisson probiert.
Da kommt AIC=NA raus.
habe jetzt einmal für family=quasipoisson probiert.
Da kommt AIC=NA raus.
Re: Ergebnisse eines gml-Modells
Ich vermute, dass dies für Wurzel Trockenmasse steht.Wurzel_TM
Desweiteren vermute ich, dass dies keine Ganzzahlen sind.
Daraus schließe ich, dass du mit
gar nicht mal so falsch liegst. Poisson ist für ganzzahlige Zähldaten.bzw. habe das Gefühl, dass das ganze Modell falsch ist.
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
.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
Re: Ergebnisse eines gml-Modells
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)?
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)?
Re: Ergebnisse eines gml-Modells
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...Bedeutet mein Intercept =H und linke Kammer ? Oder wofür steht der Intercept genau. (Ziemlich grundlegende Fragen.)
Das ist ein Fall für Modelldiagnostik. Anhand der Überlegungen die ich oben geschrieben habe, deutet alles für mich hin, dass die poissonVerteilung unpassend ist.Kann ich trotz AIC=Inf, die Werte für die jeweiligen Behandlungen etc. verwenden?
Hast du eine Ahnung ob family=quasipoisson besser wäre? (AIC=NA)?
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
.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.