現在、いくつかのカウントデータのGLM(および最終的にはGAM)を含むプロジェクトに取り組んでいます。通常、私はSASでこれを行いますが、Rに移動しようとしていて、問題があります。
以下を使用してデータをカウントするようにGLMを適合させた場合:
cdi_model <- glm(counts ~ exposure + covariate + month, data=test, family = poisson)
私は得ます:
Deviance Residuals:
Min 1Q Median 3Q Max
-1.9825 -0.7903 -0.1187 0.5717 1.7649
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.97563 0.20117 9.821 < 2e-16 ***
exposure 0.94528 0.30808 3.068 0.00215 **
covariate -0.01317 0.28044 -0.047 0.96254
months -0.03203 0.01303 -2.458 0.01398 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 40.219 on 29 degrees of freedom
Residual deviance: 29.297 on 26 degrees of freedom
AIC: 137.7
Number of Fisher Scoring iterations: 5
少しの間、モデル自体のパフォーマンスまたはその欠如を無視します。この時点では、主に構文などで遊んでいます。
ただし、レートデータ(カウント/人/日)を適合させ、次のようにオフセットを使用しようとすると、次のようになります。
cdi_model <- glm(count_rate ~ exposure + covariate + months + offset(log(pd)), data=test, family = poisson)
50以上の警告、すべての「1:dpois(y、mu、log = TRUE):非整数x = 0.002082」などの警告が表示されます。これは、観測ごとに複数です(データセットには30しかありません)。
加えて、モデルの適合はうまくいきそうです。次のように出力します。
Deviance Residuals:
Min 1Q Median 3Q Max
-0.0273656 -0.0122169 0.0002396 0.0072269 0.0258643
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -15.40110 15.12772 -1.018 0.309
exposure 0.84848 22.18012 0.038 0.969
covariate -0.02751 21.31262 -0.001 0.999
months -0.01889 0.95977 -0.020 0.984
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 0.0068690 on 29 degrees of freedom
Residual deviance: 0.0054338 on 26 degrees of freedom
AIC: Inf
Number of Fisher Scoring iterations: 9
これにもかかわらず、実際のデータに対して予測率をプロットした場合、近似はそれほど悪くは見えず、実際の効果の見積もりはそれほど大きく変化しないようです。
誰もが何が起こっているのかを知っています-またはすべてがうまくいっていて、私が経験不足のために何かが足りない場合?