glmm: Poisson et nombres non entiers

Bonjour, j'aimerais appliquer un modèle linéaire mixte généralisé à des données d'abondance. La distribution (link function) recommandée est généralement Poisson. Cependant, comme certaines de mes valeurs ne sont pas des nombres entiers, le programme de statistiquer que j'utilise, R, me renvoie ce message:
"1: In dpois(y, mu, log = TRUE) ... : non-integer x = 3.500000"
J'interprête cela comme signifiant que cette distribution ne peut pas être utiliser avec des nombres non entiers. Je ne comprends pas pourquoi et je ne vois pas trop quelles alternatives j'aurais. Quelqu'un peut-il m'éclairer? Merci beaucoup

Parce que la loi de poisson est faite pour des variables aléatoires
discrètes, pour des entiers. En général elle est associée avec des
dénombrements. 3.5 n'étant pas un entier il ne peut calculer la
probabilité associée à cette valeur :

Code:

dpois(3.4,lambda=4)
[1] 0
Warning message:
In dpois(3.4, lambda = 4) :non-integer x = 3.400000

Par conséquent il n'est pas possible d'estimer la vraisemblance, etc ...

D'ailleurs il est curieux que tu es une abondance de 3.5.

Merci. En fait c'est parce que j'ai des abondances moyennes. Aurais-tu une suggestion quant à la méthode que je pourrais employer?

Si tu as des abondances moyennes pourquoi ne restes-tu pas en modèle linéaire mixte tout cours ?

Parce que justement il se base sur une distribution normale, qui ne correspond pas particulièrment à mes données

le problème c'est qu'avec des valeurs non entières tu ne pourras pas utiliser de lois de poisson ou tout autre loi faites pour des abondances. Après tu peux regarder du coté de la loi gamma, mais en terme d'interprétation je ne sais pas ce que ça vaut.

Bonjour,

Tu peux sans doute envisager un modèle log-normal. Il est très souvent utilisé sur les données d'abondance. Si ton échantillonnage est correct tu devrais facilement approximer une loi normale.
Je ne suis pas personnellement fan des hypothèses biologiques sous-jacentes mais bon c'est un type de modèle très employé et tant qu'on ne pense pas réinventer l'eau chaude avec il peut être utile.

Merci beaucoup. J'espère que je ne vous embête pas trop avec mes questions, mais savez-vous comment utiliser ce modèle avec R?

En fait est-ce que je devrais simplement transformer mes données en log et ensuite utiliser la distribution normale? J'ai essayé une transformation boxcox, mais les résultats ne sont pas extraordinaires. Si mes données bruts s'approchent mieux d'une distribution normale que'avec n'importe quelle transformation, vaut-il mieux les utiliser tel quel? Je n'aime pas trop ce système de transformation de données, j'ai vraiment l'impression de faire du bricolage...

Bonjour, je sais que ce post a été mis il y a longtemps mais voilà : j'ai exactement ce problème et j'aurais eu besoin de plus d'explications sur a solution

Donc je fais des glmm via le logiciel R (package lme4), mes données sont par exemple des abondances ou un nombre moyen d'oeufs par femelle. Il y a des décimales et je ne peux pas les traiter par poisson donc. --> Que faire ? Le modèle log-normal, c'est une transformation des données ou c'est un argument à écrire dans un code ?