étape par étape, des codes de _R_ basé sur la formule de GLM et GLMM

Question

je sais comment adapter généralisées modèles linéaires (de MLG) et généralisées modèles mixtes linéaires (de GLMM) avec glm et glmer de paquet lme4 dans R . Étant un étudiant des statistiques, je suis intéressé à apprendre comment s'adapter GLM et GLMM suivant pas à pas les formules de base R codes. J'apprécierais grandement que vous indiquiez des ressources et/ou des références à cet égard. Merci d'avance.

EDiT

Je voudrais faire GLM et GLMM étape par étape en utilisant la formule que nous LM en utilisant l'approche matricielle. Y a-t-il un livre ou un didacticiel R disponible qui utilise cette approche? Merci

Answer 1

«Un compagnon R à la régression appliquée» par Fox et Weisberg, a un excellent guide dans le chapitre 8, avec la régression logistique à titre d'exemple. Le livre enseigne également comment créer des fonctions de modèle en général avec des objets S3 et S4. En particulier, il a de bonnes réponses à une question récente que j'avais posée sur la modélisation - What are the key components and functions for standard model objects in R?.

Answer 2

Cela peut aider
** régression de Poisson: GLM **
* lecture suggérée: Introduction au modèle linéaire généralisé, par Annette J. Dobson, 2e édition, chapitre 4, section 4.3 et 4.4 *

library(MASS) 
poisreg = function(n, b1, y, x1, tolerence) { # n is the number of iteration 
    x0 = rep(1, length(x1)) 
    x = cbind(x0, x1) 
    y = as.matrix(y) 
    w = matrix(0, nrow = (length(y)), ncol = (length(y))) 
    b0 = b1 
    result = b0 
    for (i in 1:n) { 
    mu = exp(x %*% b0)  
    diag(w) = mu 
    eta = x %*% b0 
    z = eta + (y - mu) * (1/mu) # dot product of (y - mu) & (1/mu) 
    xtwx = t(x) %*% w %*% x 
    xtwz = t(x) %*% w %*% z 
    b1 = solve(xtwx, xtwz) 
    if(sqrt(sum(b0 - b1)^2) > tolerence) (b0 <- b1) 
    result<- cbind(result,b1) # to get all the iterated values 
    } 
    result 
} 
x1 <- c(-1,-1,0,0,0,0,1,1,1) # x1 is the explanatory variable 
y<- c(2,3,6,7,8,9,10,12,15) # y is the dependent variable 
b1 = c(1,2) # initial value 
poisreg (10, b1, y, x1, .001) # Nicely converge after 10 iterations 
glm(y~x1, family=poisson(link="log")) # check your result with the R GLM program