Bonjour,
Je cherche à représenter les prédictions de la présence absence d'une espèce de poisson en utilisant un modèle GLM à 2 facteurs + 1 interaction.
Soit le code suivant pour le modèle:
model_glm <- glm(presence_absence ~ CHLA + SST + CHLA*SST, family=binomial(link="logit"),data=dataset)
Le summary du modèle :
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
| Call:
glm(formula = presence_absence ~ CHLA + SST + CHLA * SST, family = binomial(link = "logit"),
data = dataset_cjm_model_sans_na)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.4050 -0.3547 -0.2998 -0.2232 2.9903
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 5.285498 0.256119 20.64 <2e-16 ***
CHLA -2.956511 0.175692 -16.83 <2e-16 ***
SST -0.392089 0.013405 -29.25 <2e-16 ***
CHLA:SST 0.139649 0.008077 17.29 <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: 7512.7 on 15125 degrees of freedom
Residual deviance: 6576.9 on 15122 degrees of freedom
AIC: 6584.9
Number of Fisher Scoring iterations: 6 |
1 2 3 4 5 6 7
| newCHLA <- seq(min(dataset$CHLA),max(dataset$CHLA),le=200)
newSST <- seq(min(dataset$SST),max(dataset$SST),le=200)
newData <- expand.grid(CHLA=newCHLA, SST=newSST)
head(newData)
newresult <- predict.glm(model_glm,newData,type="response")
newresult <- matrix(newresult,nrow=200,ncol=200,byrow=T)
newresult[1:5,1:5] |
Voici le résultats des prédictions :
1 2 3 4 5 6 7
|
[,1] [,2] [,3] [,4] [,5]
[1,] 0.8305226 0.8211523 0.8113817 0.8012064 0.7906239
[2,] 0.8251473 0.8156261 0.8057085 0.7953913 0.7846727
[3,] 0.8196385 0.8099686 0.7999068 0.7894508 0.7785996
[4,] 0.8139952 0.8041791 0.7939762 0.7833848 0.7724050
[5,] 0.8082167 0.7982573 0.7879164 0.7771934 0.7660891 |
Je ne comprends pas que le résultat de la prédiction soit monotone, cf PJ
Si vous avez des idées...
Merci d'avance,
Partager