Régression logistique quasibinomiale - sélection du modèle

Bonjour,

Grace à une régression logistique, je cherche à identifier parmi différents paramètres environnementaux, ceux qui influencent ma variable à expliquer, qui est de type binaire.

J'ai utilisé un glm quasibinomial. Pourriez-vous m'indiquer dans ce cas, le ou les moyens à privilégier afin de sélectionner le meilleur modèle possible ? On utilise généralement l'AIC. Cependant, celui-ci n'est pas calculé dans le cas d'un glm quasibinomial !!!!

Dans l'idéal, je cherche une fonction R qui permettrait cette sélection, via la méthode "pas à pas" par exemple (afin d'éviter les inconvénients des méthodes ascendantes et descendantes), mais qui, du coup, ne se baserait pas sur les AIC. Est-ce possible ?

Merci pour votre aide,

Ginger

Bonjour,

(attention à la multiplication des post identiques stp).

Différents package permettent un calcul du QAIC (Quasi-AIC). De mon point de vue, le package MuMin est le plus adapté car il est directement dérivé du livre de Burnham et Anderson sur la sélection de modèles.

Une vignette de Ben Bolker aborde le sujet sur un autre package :
http://cran.r-project.org/web/packages/bbmle/vignettes/quasi.pdf

Ceci étant dit, les modèles sur quasi-vraisemblance ne sont pas très pratiques et souvent remplaçables par des modèles qui soit incorporent la surdispersion comme paramètre à modéliser, voire modélisent la variance dans un modèle complémentaire à celui de la moyenne.

HTH

Nik

Merci Nik pour ta réponse !