Ce référentiel contient un tutoriel (relativement) bref sur les modèles mixtes linéaires généralisés (GLMM) en utilisant R pour ajuster et comparer les modèles. Le contenu général du tutoriel a été inspiré par l'excellent cours de statistiques de Richard McElreath, Repenser statistique. La vision la plus récente de ce matériel se trouve dans le manuel de Richard du même nom. En particulier, j'ai écrit ce script emprunter des idées à une série de problèmes qui sont apparus à l'examen final du cours. Ces exercices me semblaient particulièrement éclaircissants car ils illustrent que l'inclusion d'effets aléatoires (aka effets variables) peut non seulement modifier les classements relatifs des modèles, mais aussi souligner que l'ajout d'effets aléatoires peut radicalement modifier nos estimations des effets fixes (c'est-à-dire les choses que nous avons habituellement se souciez de la plupart dans nos modèles). Ce tutoriel utilise les packages R lme4 , AICcmodavg et rethinking . Le critère d'information d'Akaike (AIC) est utilisé pour comparer les modèles d'ajustement.
glmm_tutorial_script.R contient mon code et mon commentaire de tutorielglmm_tutorial_data.csv contient l'exemple de données que j'ai créées pour une utilisation dans ce tutoriel
