Significativité au passage des effets aléatoires .

Bonjour,

Je travail sur un modèle logistique d'une famille binomiale ,j'ai appliqué le modèle suivant :

Code:

logit3 <- glm(L_T ~ HD + Max_NBR + D_Re+Z , family=binomial(logit), data=MergeTestP1)

> summary(logit3)

Call:
glm(formula = L_T ~ HD + Max_NBR + D_Re + Z, family = binomial(logit),
    data = MergeTestP1)

Deviance Residuals:
    Min       1Q   Median       3Q      Max  
-3.1667  -0.4876   0.2237   0.5162   3.6806  

Coefficients:
             Estimate Std. Error z value Pr(>|z|)    
(Intercept) -0.763803   0.234573  -3.256 0.001129 **
HD           0.010044   0.002745   3.659 0.000253 ***
Max_NBR      0.070489   0.006051  11.649  < 2e-16 ***
D_Re         4.551252   0.126669  35.930  < 2e-16 ***
Z           -8.449692   0.203133 -41.597  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 13524.1  on 10441  degrees of freedom
Residual deviance:  7562.3  on 10437  degrees of freedom
  (6 observations deleted due to missingness)
AIC: 7572.3

et après j'ai décidé d'introduire l'effet aléatoire sur l'intercepte , voici le code et sortie R:

Code:

 mod1 <- glmer(L_T ~ HD + Max_NBR + D_Re+Z+(1|FELD_NR)+(1|BAUM_OR),data=MergeTestP1,family=binomial(logit))
> summary(mod1)
Generalized linear mixed model fit by the Laplace approximation
Formula: L_T ~ HD + Max_NBR + D_Re + Z + (1 | FELD_NR) + (1 | BAUM_OR)
   Data: MergeTestP1
  AIC  BIC logLik deviance
 6701 6752  -3343     6687
Random effects:
 Groups  Name        Variance Std.Dev.
 BAUM_OR (Intercept) 1.05156  1.02546
 FELD_NR (Intercept) 0.21136  0.45974
Number of obs: 10442, groups: BAUM_OR, 45; FELD_NR, 3

Fixed effects:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept)   0.376870   1.153713    0.33    0.744    
HD            0.006641   0.015788    0.42    0.674    
Max_NBR       0.032311   0.007685    4.20 2.62e-05 ***
D_Re          5.440209   0.147323   36.93  < 2e-16 ***
Z           -10.922608   0.270782  -40.34  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1


et comme vous regarder que il y a une perte de significativité individuelle ( de deux variables (intercepte) et HD) lors de la passage au modèle a effet aléatoire ,ma question est ce que dans le modèle finale je garde ces deux varibles là avec les effets aléatoires ou bien je les supprime ?
Merci beaucoup d'avance.

Salut,

un glm et modèle mixte ne sont pas comparables car tout simplement si tu emploies un glmm c'est que tu supposes une hétéroscédasticité des données qqpart.

Si tu veux pourvoir évaluer l'intérêt de la part aléatoire dans ton modèle il te faut faire la première modélisation via un gls. Et encore il faut vérifier la compatibilité des méthodes d'estimation des paramètres (maximum de vraisemblance).

Enfin, on évalue pas le fait de garder une variable sur la p-value du paramètre dans le modèle. Il faut faire de la comparaison de modèles ce qui est une discipline en soit.

nik

Merci beaucoup .