Tengo un GLMM con una distribución binomial y una función de enlace logit y tengo la sensación de que un aspecto importante de los datos no está bien representado en el modelo.
Para probar esto, me gustaría saber si los datos están bien descritos por una función lineal en la escala logit. Por lo tanto, me gustaría saber si los residuos se comportan bien. Sin embargo, no puedo averiguar en qué trama de residuos trazar y cómo interpretar la trama.
Tenga en cuenta que estoy usando la nueva versión de lme4 ( la versión de desarrollo de GitHub ):
packageVersion("lme4")
## [1] ‘1.1.0’
Mi pregunta es: ¿Cómo inspecciono e interpreto los residuos de un modelo mixto lineal generalizado binomial con una función de enlace logit?
Los siguientes datos representan solo el 17% de mis datos reales, pero el ajuste ya lleva alrededor de 30 segundos en mi máquina, así que lo dejo así:
require(lme4)
options(contrasts=c('contr.sum', 'contr.poly'))
dat <- read.table("http://pastebin.com/raw.php?i=vRy66Bif")
dat$V1 <- factor(dat$V1)
m1 <- glmer(true ~ distance*(consequent+direction+dist)^2 + (direction+dist|V1), dat, family = binomial)
La trama más simple ( ?plot.merMod
) produce lo siguiente:
plot(m1)
¿Esto ya me dice algo?
true ~ distance*(consequent+direction+dist)^2 + (direction+dist|V1)
? Will la estimación dar modelo de interacción entre distance*consequent
, distance*direction
, distance*dist
y la pendiente de direction
y dist
que varía con V1
? ¿Qué (consequent+direction+dist)^2
denota el cuadrado en ?
Warning message: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : Model failed to converge with max|grad| = 0.123941 (tol = 0.001, component 1)
. Por qué ?
type=c("p","smooth")
enplot.merMod
, o en movimiento aggplot
si desea que los intervalos de confianza) es que parece que hay un patrón pequeño, pero significativo, que se podría arreglarse adoptando una función de enlace diferente. Eso es todo hasta ahora ...