Prezado Cezar, boa tarde.
Gostaria de entender melhor seus comentários...
1º) as VIs que teriam alta correlação seriam Faixa Etária com Número de
doenças crônicas e Escolaridade e Automedicação?
Neste caso... eu deveria optar por uma das VIs de cada par?
2º) Na frase: "Qtos casos você para cada
Prezado Rodrigo, boa tarde.
Ainda estou tentando entender o pacote. Qualquer novidade, retorno aqui.
Obrigado.
*Emerson*
Em qua., 22 de jul. de 2020 às 18:06, Rodrigo Campos por (R-br) <
r-br@listas.c3sl.ufpr.br> escreveu:
> Prezado Emerson,
> Veja se este pacote te ajuda a avançar.
>
Prezado Igor, boa tarde.
Desculpe não ter escrito, mas já havia tentado o modelo logístico e também
houve mensagem de erro:
fit.logistica<-glm(AVC~FE+Esc+Saude+NDC+Auto,data=dados,family=binomial(link='logit'))
*Retornou*
Warning message:
glm.fit: probabilidades ajustadas numericamente 0 ou 1
Emerson:
Algum dos pares de VIs do seu problema apresenta correlação muito alta
(pelos nomes vejo dois pares altamente candidatos)?
Qtos casos você para cada desfecho para calcular a RP?
--
Cesar Rabak
On Wed, Jul 22, 2020 at 5:03 PM Emerson Cotta Bodevan por (R-br) <
r-br@listas.c3sl.ufpr.br>
Olá Emerson, tudo bom? Como sua resposta é dicotomica (sim e não), você deve empregar umaregressão logistica. Com isso, certamente as coisas fluirão melhor. Abraços 22.07.2020, 17:03, "Emerson Cotta Bodevan por (R-br)" :Prezados, boa tarde. Estou com dificuldade para cálculo de Razão de
Prezado Emerson,
Veja se este pacote te ajuda a avançar.
https://cran.r-project.org/web/packages/ZIM/ZIM.pdf
Att,
On Wed, Jul 22, 2020 at 5:03 PM Emerson Cotta Bodevan por (R-br) <
r-br@listas.c3sl.ufpr.br> wrote:
> Prezados, boa tarde.
>
> Estou com dificuldade para cálculo de Razão de
Prezados, boa tarde.
Estou com dificuldade para cálculo de Razão de Prevalência, com respectivos
IC95% para meus dados.
Meus dados estão com a seguinte estrutura:
Variável resposta:
- ocorrência de AVC (0: Não, 1: Sim)
Variáveis independentes:
- Faixa Etária (18 a 28 - referência, 29 a 39, 40 a
A resposta está no 1º parágrafo da *vignette* para o pacote quasi: «
Computing “quasi-AIC” (QAIC), in R is a minor pain, because the R Core team
(or at least the ones who wrote glm, glmmPQL, etc.) are purists and don’t
believe that quasi- models should report a likelihood. »
HTH
--
Cesar Rabak
Olá boa noite,
Estou utilizando um GLM para análise de incidência de doença. Utilizei o
seguinte comando:
Call:
glm(formula = incid ~ factor(bloco) + factor(cod) + cultivar +
Amostragem, family = quasibinomial("probit"), data = dados)
e obtive os resultados a seguir:
Minha dúvida fica em
Por default é considerado contrastes utilizando o primeiro nível de cada
fator como referência.
Elias
___
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem
Caros membros, bom dia! Tenho uma base de dados com 4 variáveis. Onde, a
resposta é discreta, com dist. Poisson, e as demais regressoras, são
fatores, onde cada um tem um número diferente de níveis.
Resposta, Peso(g);
Regressoras, Tratamento: C, O, S, E1, E2;
Tempo: 0, 1, 2;
Ana Paula,
Um texto bem completo que inclui o assunto de seu interesse está em
https://www.ime.usp.br/~giapaula/textoregressao.htm
2017-07-11 9:21 GMT-03:00 ana paula coelho madeira via R-br <
r-br@listas.c3sl.ufpr.br>:
> Bom dia!
>
>
> Alguém tem alguma referência de estudos com GLM
Também gostaria
Abs
Em 11 de julho de 2017 09:21, ana paula coelho madeira via R-br <
r-br@listas.c3sl.ufpr.br> escreveu:
> Bom dia!
>
>
> Alguém tem alguma referência de estudos com GLM multivariado para me
> passar?
>
> Desde já agradeço
>
>
> Ana Paula
>
>
Ana, sugiro Multivariate GLM, Haase, Richard F., SAGE Publication/Amazon
Em 11 de jul de 2017 09:21, "ana paula coelho madeira via R-br" <
r-br@listas.c3sl.ufpr.br> escreveu:
> Bom dia!
>
>
> Alguém tem alguma referência de estudos com GLM multivariado para me
> passar?
>
> Desde já agradeço
>
Bom dia Ana,
Você pode dar uma olha no McGLM referências abaixo.
Tem o pacote mcglm para ajustar os models no R.
http://onlinelibrary.wiley.com/doi/10./rssc.12145/full (Artigo
principal)
https://link.springer.com/content/pdf/10.1007/s13253-017-0284-7.pdf
(Aplicação em dados de contagem
Bom dia!
Alguém tem alguma referência de estudos com GLM multivariado para me passar?
Desde já agradeço
Ana Paula
___
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem
Ana Paula,
O seu exemplo não é reproduzível, você apenas enviou a saída do seu modelo
mas eu não tenho como reconstruir os objetos para manipulá-los e estudar
uma solução.
Segue uma possível solução com os exemplos disponíveis na documentação da
glm().
da <- data.frame(counts = c(18, 17, 15, 20,
Ana Paula,
Se você está interessada na teoria da extração, v. a obra de G. A. Paulo
"Modelos de Regressão com apoio computacional", IME-USP, 2013, disponível
no link da página dele: https://www.ime.usp.br/~giapaula/texto_2013.pdf, os
exemplos do livro são na linguagem S-plus/R, portanto você terá
Ana Paula,
Forneça CMR para que possamos agilizar alguma ajuda.
À disposição.
Walmes.
___
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e
Prezados colegas,
Bom dia! Gostaria de saber como faço para extrair a estatística de Qui quadrado
e respectivos graus de liberdade de um modelo de GLM significativo.
Desde já agradeço.
Ana Paula
___
R-br mailing list
R-br@listas.c3sl.ufpr.br
Se você exponenciar os parâmetros, vai encontrar a razão (de taxa, de
proporção...) em relação ao nível de referência de cada cada variável.
Leonardo Ferreira Fontenelle[1]
Em Qui 19 mar. 2015, às 15:15, ana paula coelho madeira escreveu:
Boa tarde!
Tenho um experimento que visa
Boa tarde!
Tenho um experimento que visa analisar como transgenia e controle químico
(tratamentos) afetam número
de parasitóides (Chelonus).
Construí o modelo:
m1-glm.nb(n_parasit_Chelonus~trat)
summary(m1)
Coefficients:
Estimate Std. Error z value Pr(|z|)
(Intercept)
5.710e-02 -3.152 0.00162 **
Obrigada!
Date: Fri, 13 Dec 2013 15:35:26 -0200
From: paulo...@leg.ufpr.br
To: r-br@listas.c3sl.ufpr.br
Subject: Re: [R-br] GLM
Nao!
o ponto . siginifica todas as variaveis no data-frame
alem da resposta (Y)
Se o data frame contem apenas Y, T, e C entao
Você pode obter as estimativas de cada casela de diversas formas: 1)
removendo intercepto da fórmula, 2) mudando o tipo de constraste, 3)
calculando as funções lineares por fora com matrizes apropriadas e 4)
fazendo o item 3 com a popMeans() e/ou popMatrix(), que considero a opção
mais simples.
A partir daí não consegui rodar, ele não reconhece as funções popMeans e
popMatrix, e instalei a bibliotéca doBay
## efeito marginal de A (ou seja, na média dos níveis de B)
popMeans(m0, effect=A)
## efeito marginal de B (ou seja, na média dos níveis de A)
popMeans(m0, effect=B)
## efeito de A
Ana, o modelo com o ponto é o modelo nulo.
O outro está ajustando pelo T e C.
Não aparecem as categorias que são as de referência.
Abs
Em 13 de dezembro de 2013 13:26, ana paula coelho madeira
apcmade...@hotmail.com escreveu:
Boa tarde pessoal.
Tenho dados de contagem em função do tempo e
Nao!
o ponto . siginifica todas as variaveis no data-frame
alem da resposta (Y)
Se o data frame contem apenas Y, T, e C entao as especificaqcoes sao
iguais
On Fri, 13 Dec 2013, Fátima Lima Paula wrote:
Ana, o modelo com o ponto é o modelo nulo.
O outro está ajustando pelo T e C.
Não
0.01123 *
C4 -1.800e-01 5.710e-02 -3.152 0.00162 **
Obrigada!
Date: Fri, 13 Dec 2013 15:35:26 -0200
From: paulo...@leg.ufpr.br
To: r-br@listas.c3sl.ufpr.br
Subject: Re: [R-br] GLM
Nao!
o ponto . siginifica todas as variaveis no data-frame
alem da resposta (Y)
Se o data frame
Saudações,
Eu estou tentando rodar um modelo aditivo (mas pode ser GLM também) com
dados de proporção (variando de 0 a 1). Pensei em usar distribuição
binomial, mas parece que ela só funciona com dados binários (ao menos no
pacote mgcv, que estou usando). Alguma sugestão?
Muito obrigado!
-
regressao beta (talvez o pacote betareg)
b
Em 22 de março de 2013 11:15, Pavel Dodonov pdodo...@gmail.com escreveu:
Saudações,
Eu estou tentando rodar um modelo aditivo (mas pode ser GLM também) com
dados de proporção (variando de 0 a 1). Pensei em usar distribuição
binomial, mas parece que
ou entao
inla(..., family='beta', ...)
On 03/22/2013 03:25 PM, Benilton Carvalho wrote:
regressao beta (talvez o pacote betareg)
b
Em 22 de março de 2013 11:15, Pavel Dodonov pdodo...@gmail.com escreveu:
Saudações,
Eu estou tentando rodar um modelo aditivo (mas pode ser GLM também) com
uma das opções é criar uma nova variável sem essa classe e usar a nova
variável como factor dentro do glm()
Em 18 de dezembro de 2012 17:50, Vinicius Brito Rocha
viniciusbri...@gmail.com escreveu:
Senhores,
tenho um modelo glm, logistico, onde um dos coef é uma variável factor com
as
Leonardo,
essa era a opção que não queria adotar.
Mas obrigado mesmo assim.
Em 18 de dezembro de 2012 17:55, Leonardo Aguirre
leoaguirr...@gmail.comescreveu:
uma das opções é criar uma nova variável sem essa classe e usar a nova
variável como factor dentro do glm()
Em 18 de dezembro de
Vinícius
Lembre-se que um nível NÃO SER SIGNIFICATIVO pode ser interpretado que
este se comporta de maneira similar ao seu nível de referência. Se vc
mudar a referência do modelo, este nível poderá voltar a ser significativo.
Eu estou passando por isso em um problema um pouco mais complexo
Olá pessoal,
Quero fazer um modelo que descreve a probabilidade da presença de uma
espécie de peixe em um lago. Tenho algumas caraterísticas dos lagos
(variáveis independentes) e relatos (entrevistas) da presença, ou não, do
peixe em cada lago (variável dependente). O problema é que não tenho um
Boa tarde, Trbalhando com GLM temos na saída:Null deviance e residual deviance.
Qual a interpretação de Null deviance ?? Obrigada
___
R-br mailing list
R-br@listas.c3sl.ufpr.br
Isso deve estar na documentação da função. É a deviance do modelo nulo, ou
seja glm(y~1, ...).
À disposição.
Walmes.
==
Walmes Marques Zeviani
LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W)
Senhores,
estou ajustando uma regressão logistica via glm
na hora de validar meu modelo com amostra teste,no comando predict, de
acordo com o Help o default para a previsão é o log do odd ratio e o
type=response retornaria as probabilidades,
porem me parece que o default está retornando as
se vc nos der um exemplo exato do problema, poderemos tentar no meu
teste, abaixo, a funcao comporta-se como documentada (padrao: log-odds;
type='response' - probabilidade)
b
set.seed(1)
x = runif(1000, -2, 2)
link = x*2+3+rnorm(1000)
p = 1/(1+exp(-link))
y = sapply(p, function(.x) rbinom(1,
39 matches
Mail list logo