ぎょーむ日誌 2004-03-19
2004 年 03 月 19 日 (金)
-
0850 起床.
えーい.
コーヒー.
0920 自宅発.
雪.
晴れてるけど.
0930 研究室着.
-
発芽問題,
一般化線形混合モデルからは撤退して,
一般化線形モデルだけで始末しよーかな,
と検討中.
この問題はホントのところは混合モデルであつかうべき状況
だと思うんだけど
……
glmmML()
が計算してくれたランダム変量の期待値が処理ごとに偏っている.
おそらく「シャーレごとにばらつきがある」
という仮定が適切ではないんだろーな
(それからモデルはやや複雑であるのに対して
使えるデータ数もびみょーな気がする).
むしろ
「種子ごとにばらつく」
というのがマシな考えだという気がするんだけど,
これはちょいたいへんになるんで,
今回は見送るか,
というところ.
-
で,
glm()
による予測と実際の発芽数を比較すると
……
とりあえずの近似としては,
まあまあよくできてんぢゃなかろーか,
ということで.
残ったパラメーター数は 4.
これをいろいろな日数にかけて合計したものが,
この統計モデルの線形予測子である.
-
しかし 95% 信頼区間なるものを描画してみると,
明らかに overdispersion になってる
……
いや,
あるいは必要な変数が入ってなくて線形予測子が不適切である,
とか.
しかしもうこの実験に関してはどういう変数いれたらよいものやら.
-
というような検討で午前が終ってしまったんで,
北大構内走にでようとしたんだけど
……
なんかたくさん雪が降ってるな.
走るのやめ.
[3 月の降雪]
今日の最高気温は +0.4℃,
真冬日にちかい.
-
overdispersion
な状況が気になってしょうがないんで,
R で手軽な (つまり関数を自作せんでも結果が得られる)
方法をしつこく試してみる.
-
一般化線形混合モデル
glmmML()
ふたたび.
今度は各シャーレだけでなく,
各観測日でもランダム変量が入る,
と仮定するモデリング
……
お,
今回は呪われぎみな状況に陥らずに最尤推定値が得られたぞ.
よしよし.
-
しかし,
問題あれこれ存在することに気づいた.
まず
glmmML$frail
が処理ごとにひどく偏ってる.
で,
これの線形予測子と発芽数の関係を調べてみると
……
やはりダメだな.
-
じゃあ別の一策として,
Poisson → 負の二項分布の置き換えを考えてみる.
MASS
ライブラリ中の
glm.nb()
を使ってみたんだけど
……
なるほど推定結果そのものはよくなる.
Variance は Poisson で期待されるときの
約 1 + 2μ 倍だ
(θ = 0.53).
しかし,
この関数というかオブジェクトって,
offset
つけた状態で stepAIC
にほうりこむと,
いまいち挙動がヘンという気がする.
まあ,
あえて使うこともないかなぁ.
ちょっと放置することに.
-
さきほど混合モデル試しをやってるときに思いついたんだけど,
妥協案として
treatment
を独立変数としてふつーの
glm()
にほうりこんでみる.
これは,
いわば実験処理日数の足し算 & 引き算の組み合わせでは
説明しきれんかった非線型なる部分を押しこんでしまう項だ.
で,
やってみると線形予測子がかなり改善された.
あいかーらず overdispersion ではあるけれど.
-
で,
この路線で報告をまとめてみる.
2045,
できた.
ばてた.
-
2130 研究室発.
2210 帰宅.
晩飯.
-
[今日の運動]
-
[今日の食卓]
- 朝 :
食ってない.
昨晩,
ギョウザを食いすぎたせいか,
あまり食欲がない.
- 昼 (1530):
北大生協サンドイッチ.
- 晩 (2240):
米麦 1.0 合.
キャベツ・エノキダケ・タチのシチュー.
まだ残ってる.