Z-score extrème et GEE

Salut,

Suivant une analyses GEE (package gee sous R), en appliquant une matrice de corrélation dite ''Exchangeable'', j'optient une valeur de Z-score de -12018.38 ainsi qu'une très forte valeur (i.e. -1.386) pour mon intercept. Par opposition, les coefficients de mes variables explicatives sont très faible (ex: 0.00057), mais ces variables sont néanmoins significative (ex: z-score=2.814, donc p-value inf à 0.05).

exemple:
gee(formula = pres ~ Dim.1 + Dim.2, id = site,
family = binomial, corstr = "exchangeable")

$coefficients
parametre _____Estimate______ Robust z
(Intercept) -1.3865413138 ___-12018.385
slope ______0.0005709675 _____2.814022
vedgetation_0.0005935100 _____2.325717

Je m'interroge sur la validité de ces résultats étant donnée le faible coefficient des variables significatives. Concrètement, ce genre de coefficient implique que la variable en question ne devrait pas avoir une grande influence sur la probabilité d'occurence de ma variable dépendante qui est binaire.

Merci à ceux qui sauront m'éclairer sur ces intérogations,
Bernard

Bonjour,

le plan expérimental est il équilibré ?

Chaque site (id) comprend l'unité observée (présence) que je compare avec 4 unités adjacentes qui définissent l'habitat local disponible, mais non utilisé (absence). Il y a environs 200 sites au total.

Initialement, je comptais utiliser la régression logistique conditionnelle afin de comparer l'unitée observée (présence) par rapport aux unitées adjacentes (absence) et ce, pour chacun des sites. Toutefois, la régression logistique conditionnelle ne prend pas en compte l'autocorrélation spatiale.

Suis-je dans l'erreur avec les GEE, si oui, pourriez-vous me guider vers d'autre alternative afin que je puisse prendre en considération cette aucorrélation spatiale entre mes sites?

Merci,
Bernard

bonjour,

pour ce type d'analyse, les gee sont une solution. Pour les autres alternatives, l'article de Dormann et al (2007) me semble une bonne base.

Carsten F.Dormann, Jana M. McPherson, Miguel B. Arau´ jo, Roger
Bivand, Janine Bolliger, Gudrun Carl, Richard G. Davies, Alexandre
Hirzel, Walter Jetz, W. Daniel Kissling, Ingolf Ku¨hn, Ralf Ohlemu¨
ller, Pedro R. Peres-Neto, Bjo¨rn Reineking, Boris Schro¨der, Frank M.
Schurr and Robert Wilson (2007)
Methods to account for spatial autocorrelation in the analysis of species
distributional data: a review, Ecography 30: 609628, 2007.


badox