-
Notifications
You must be signed in to change notification settings - Fork 0
/
intro_glm_carrot.html
835 lines (741 loc) · 38.5 KB
/
intro_glm_carrot.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" />
<meta name="generator" content="pandoc" />
<meta http-equiv="X-UA-Compatible" content="IE=EDGE" />
<title>Einführung in generalisierte lineare Modelle</title>
<script src="site_libs/jquery-1.11.3/jquery.min.js"></script>
<meta name="viewport" content="width=device-width, initial-scale=1" />
<link href="site_libs/bootstrap-3.3.5/css/lumen.min.css" rel="stylesheet" />
<script src="site_libs/bootstrap-3.3.5/js/bootstrap.min.js"></script>
<script src="site_libs/bootstrap-3.3.5/shim/html5shiv.min.js"></script>
<script src="site_libs/bootstrap-3.3.5/shim/respond.min.js"></script>
<script src="site_libs/jqueryui-1.11.4/jquery-ui.min.js"></script>
<link href="site_libs/tocify-1.9.1/jquery.tocify.css" rel="stylesheet" />
<script src="site_libs/tocify-1.9.1/jquery.tocify.js"></script>
<script src="site_libs/navigation-1.1/tabsets.js"></script>
<link href="site_libs/highlightjs-9.12.0/default.css" rel="stylesheet" />
<script src="site_libs/highlightjs-9.12.0/highlight.js"></script>
<style type="text/css">
code{white-space: pre-wrap;}
span.smallcaps{font-variant: small-caps;}
span.underline{text-decoration: underline;}
div.column{display: inline-block; vertical-align: top; width: 50%;}
div.hanging-indent{margin-left: 1.5em; text-indent: -1.5em;}
ul.task-list{list-style: none;}
</style>
<style type="text/css">code{white-space: pre;}</style>
<style type="text/css">
pre:not([class]) {
background-color: white;
}
</style>
<script type="text/javascript">
if (window.hljs) {
hljs.configure({languages: []});
hljs.initHighlightingOnLoad();
if (document.readyState && document.readyState === "complete") {
window.setTimeout(function() { hljs.initHighlighting(); }, 0);
}
}
</script>
<style type="text/css">
h1 {
font-size: 34px;
}
h1.title {
font-size: 38px;
}
h2 {
font-size: 30px;
}
h3 {
font-size: 24px;
}
h4 {
font-size: 18px;
}
h5 {
font-size: 16px;
}
h6 {
font-size: 12px;
}
.table th:not([align]) {
text-align: left;
}
</style>
<link rel="stylesheet" href="styles.css" type="text/css" />
<style type = "text/css">
.main-container {
max-width: 940px;
margin-left: auto;
margin-right: auto;
}
code {
color: inherit;
background-color: rgba(0, 0, 0, 0.04);
}
img {
max-width:100%;
}
.tabbed-pane {
padding-top: 12px;
}
.html-widget {
margin-bottom: 20px;
}
button.code-folding-btn:focus {
outline: none;
}
summary {
display: list-item;
}
</style>
<style type="text/css">
/* padding for bootstrap navbar */
body {
padding-top: 54px;
padding-bottom: 40px;
}
/* offset scroll position for anchor links (for fixed navbar) */
.section h1 {
padding-top: 59px;
margin-top: -59px;
}
.section h2 {
padding-top: 59px;
margin-top: -59px;
}
.section h3 {
padding-top: 59px;
margin-top: -59px;
}
.section h4 {
padding-top: 59px;
margin-top: -59px;
}
.section h5 {
padding-top: 59px;
margin-top: -59px;
}
.section h6 {
padding-top: 59px;
margin-top: -59px;
}
.dropdown-submenu {
position: relative;
}
.dropdown-submenu>.dropdown-menu {
top: 0;
left: 100%;
margin-top: -6px;
margin-left: -1px;
border-radius: 0 6px 6px 6px;
}
.dropdown-submenu:hover>.dropdown-menu {
display: block;
}
.dropdown-submenu>a:after {
display: block;
content: " ";
float: right;
width: 0;
height: 0;
border-color: transparent;
border-style: solid;
border-width: 5px 0 5px 5px;
border-left-color: #cccccc;
margin-top: 5px;
margin-right: -10px;
}
.dropdown-submenu:hover>a:after {
border-left-color: #ffffff;
}
.dropdown-submenu.pull-left {
float: none;
}
.dropdown-submenu.pull-left>.dropdown-menu {
left: -100%;
margin-left: 10px;
border-radius: 6px 0 6px 6px;
}
</style>
<script>
// manage active state of menu based on current page
$(document).ready(function () {
// active menu anchor
href = window.location.pathname
href = href.substr(href.lastIndexOf('/') + 1)
if (href === "")
href = "index.html";
var menuAnchor = $('a[href="' + href + '"]');
// mark it active
menuAnchor.parent().addClass('active');
// if it's got a parent navbar menu mark it active as well
menuAnchor.closest('li.dropdown').addClass('active');
});
</script>
<!-- tabsets -->
<style type="text/css">
.tabset-dropdown > .nav-tabs {
display: inline-table;
max-height: 500px;
min-height: 44px;
overflow-y: auto;
background: white;
border: 1px solid #ddd;
border-radius: 4px;
}
.tabset-dropdown > .nav-tabs > li.active:before {
content: "";
font-family: 'Glyphicons Halflings';
display: inline-block;
padding: 10px;
border-right: 1px solid #ddd;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open > li.active:before {
content: "";
border: none;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open:before {
content: "";
font-family: 'Glyphicons Halflings';
display: inline-block;
padding: 10px;
border-right: 1px solid #ddd;
}
.tabset-dropdown > .nav-tabs > li.active {
display: block;
}
.tabset-dropdown > .nav-tabs > li > a,
.tabset-dropdown > .nav-tabs > li > a:focus,
.tabset-dropdown > .nav-tabs > li > a:hover {
border: none;
display: inline-block;
border-radius: 4px;
background-color: transparent;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open > li {
display: block;
float: none;
}
.tabset-dropdown > .nav-tabs > li {
display: none;
}
</style>
<!-- code folding -->
<style type="text/css">
#TOC {
margin: 25px 0px 20px 0px;
}
@media (max-width: 768px) {
#TOC {
position: relative;
width: 100%;
}
}
@media print {
.toc-content {
/* see https://github.com/w3c/csswg-drafts/issues/4434 */
float: right;
}
}
.toc-content {
padding-left: 30px;
padding-right: 40px;
}
div.main-container {
max-width: 1200px;
}
div.tocify {
width: 20%;
max-width: 260px;
max-height: 85%;
}
@media (min-width: 768px) and (max-width: 991px) {
div.tocify {
width: 25%;
}
}
@media (max-width: 767px) {
div.tocify {
width: 100%;
max-width: none;
}
}
.tocify ul, .tocify li {
line-height: 20px;
}
.tocify-subheader .tocify-item {
font-size: 0.90em;
}
.tocify .list-group-item {
border-radius: 0px;
}
</style>
</head>
<body>
<div class="container-fluid main-container">
<!-- setup 3col/9col grid for toc_float and main content -->
<div class="row-fluid">
<div class="col-xs-12 col-sm-4 col-md-3">
<div id="TOC" class="tocify">
</div>
</div>
<div class="toc-content col-xs-12 col-sm-8 col-md-9">
<div class="navbar navbar-default navbar-fixed-top" role="navigation">
<div class="container">
<div class="navbar-header">
<button type="button" class="navbar-toggle collapsed" data-toggle="collapse" data-target="#navbar">
<span class="icon-bar"></span>
<span class="icon-bar"></span>
<span class="icon-bar"></span>
</button>
<a class="navbar-brand" href="index.html">crashcouRse</a>
</div>
<div id="navbar" class="navbar-collapse collapse">
<ul class="nav navbar-nav">
<li>
<a href="index.html">Home</a>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
R Anwendung
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="datr_importexport.html">Import & Export</a>
</li>
<li>
<a href="datr_descriptivestats.html">Deskriptive Statistik</a>
</li>
<li>
<a href="datr_desplot.html">desplot package</a>
</li>
<li>
<a href="datr_multipledat.html">Loops & Listen</a>
</li>
<li>
<a href="datr_moreadvanced.html">Weitere Tipps</a>
</li>
</ul>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
Auswertungen
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="1n_drinks.html">Korrelation & Regression</a>
</li>
<li>
<a href="outlier_vision.html">Ausreisser (Korr & Reg pt.2)</a>
</li>
<li>
<a href="1f_crd.html">1F crd</a>
</li>
<li>
<a href="1f_rcbd.html">1F rcbd</a>
</li>
<li>
<a href="1f_alpha.html">1F alpha</a>
</li>
<li>
<a href="2f_rcbd.html">2F rcbd</a>
</li>
<li>
<a href="2f_splitplot.html">2F split-plot</a>
</li>
<li>
<a href="1f_augmented_blockfixorrandom.html">1F augmented</a>
</li>
<li>
<a href="1f_rcbd_messwdh.html">1F rcbd Messwiederholungen</a>
</li>
<li>
<a href="1f_rcbd_binomial.html">1F rcbd Prozentwerte</a>
</li>
<li>
<a href="1f_latsq_poisson.html">1F lat square Zählwerte</a>
</li>
</ul>
</li>
<li class="dropdown">
<a href="#" class="dropdown-toggle" data-toggle="dropdown" role="button" aria-expanded="false">
Statistik
<span class="caret"></span>
</a>
<ul class="dropdown-menu" role="menu">
<li>
<a href="stat_korrelation.html">Korrelation</a>
</li>
<li>
<a href="stat_regression.html">Regression</a>
</li>
<li>
<a href="appendix_designs.html">Versuchsdesigns</a>
</li>
<li>
<a href="appendix_posthoc.html">ANOVA & Post Hoc</a>
</li>
<li>
<a href="appendix_interaktionen.html">Interaktionen</a>
</li>
<li>
<a href="stat_adjmeans.html">Adj. Mittelwerte</a>
</li>
<li>
<a href="stat_pvalue.html">p-Werte & Signifikanz</a>
</li>
<li>
<a href="stat_gemischtemodelle.html">Gemischte Modelle</a>
</li>
<li>
<a href="appendix_kovarstrukt.html">Kovarianzstrukturen 1</a>
</li>
<li>
<a href="3f_met_regions.html">Kovarianzstrukturen 2</a>
</li>
<li>
<a href="intro_glm_carrot.html">Nicht-Normalverteilte Daten</a>
</li>
<li>
<a href="stat_logisticregression.html">Logistische Regression</a>
</li>
<li>
<a href="appendix_modelrules.html">Modelle aufstellen</a>
</li>
<li>
<a href="stat_samplesize.html">Stichprobenplanung</a>
</li>
</ul>
</li>
<li>
<a href="kontaktseite.html">Kontakt</a>
</li>
</ul>
<ul class="nav navbar-nav navbar-right">
</ul>
</div><!--/.nav-collapse -->
</div><!--/.container -->
</div><!--/.navbar -->
<div class="fluid-row" id="header">
<h1 class="title toc-ignore">Einführung in generalisierte lineare Modelle</h1>
</div>
<style>
.column-left{
float: left;
width: 33%;
text-align: center;
}
.column-center{
display: inline-block;
width: 33%;
text-align: center;
}
.column-right{
float: right;
width: 33%;
text-align: center;
}
</style>
<div id="datensatz" class="section level1">
<h1>Datensatz</h1>
<p>Hier wurde ein Experiment mit Mohrrüben durchgeführt ( <a href="https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1467-9574.1993.tb01414.x">Jansen und Hoekstra, 1993</a>). In einer randomisierten vollständigen Blockanlage wurden 16 Sorten bei zwei verschiedenen Insektizidbehandlungen untersucht und der Anteil der mit Rübenfliegen befallenen Pflanzen ermittelt. Der Datensatz ist im <code>agridat</code> package unter dem Namen <code>jansen.carrot</code> hinterlegt.</p>
<pre class="r"><code>library(agridat)
data(jansen.carrot)
library(data.table)
# kürzerer Name und data.table Format
carrot <- as.data.table(jansen.carrot) </code></pre>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>head(carrot) # erste 6 Zeilen</code></pre>
<pre><code>## trt gen block n y
## 1: T1 G01 B1 53 44
## 2: T1 G01 B2 48 42
## 3: T1 G01 B3 51 27
## 4: T1 G02 B1 48 24
## 5: T1 G02 B2 42 35
## 6: T1 G02 B3 52 45</code></pre>
</div>
<div class="col-md-6">
<pre class="r"><code>str(carrot)</code></pre>
<pre><code>## Classes 'data.table' and 'data.frame': 96 obs. of 5 variables:
## $ trt : Factor w/ 2 levels "T1","T2"..
## $ gen : Factor w/ 16 levels "G01",""..
## $ block: Factor w/ 3 levels "B1","B2"..
## $ n : int 53 48 51 48 42 52 49 49..
## $ y : int 44 42 27 24 35 45 8 16 ..
## - attr(*, ".internal.selfref")=<exter..</code></pre>
</div>
</div>
<p>Je Parzelle gibt <code>y</code> die Anzahl schadhafter Mohrrüben und <code>n</code> die Gesamtzahl von Mohrrüben an. Der prozentuale Befall kann also je Parzelle als <code>y/n</code> angegeben werden. Wir können eine neue Spalte mit eben diesem Anteil berechnen und genauer anschauen.</p>
<pre class="r"><code># Erstelle Spalte "anteil"
carrot[, anteil := y/n] </code></pre>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>boxplot(anteil ~ gen, data=carrot, las=2)</code></pre>
<p><img src="intro_glm_carrot_files/figure-html/unnamed-chunk-7-1.png" width="672" /></p>
</div>
<div class="col-md-6">
<pre class="r"><code>boxplot(anteil ~ trt, data=carrot, las=2)</code></pre>
<p><img src="intro_glm_carrot_files/figure-html/unnamed-chunk-8-1.png" width="672" /></p>
</div>
</div>
<p>Beim Betrachten der Boxplots fällt auf, dass die Genotypen 1 und 2 einen höheren Anteil befallener Möhren aufweisen und somit anfälliger scheinen.</p>
</div>
<div id="problemfall-prozentzahlen-in-einem-linearen-modell" class="section level1">
<h1>Problemfall Prozentzahlen in einem linearen Modell</h1>
<p>Wäre in diesem Experiment ein anderes Merkmal wie z.B. der Ertrag gemessen worden, würde die Auswertung jetzt wie bei einer “normalen” zweifaktoriellen Varianzanalyse in einem randomisierten vollständigen Blockdesign laufen (siehe <a href="2f_rcbd.html">Kapitel 4</a>). Die Besonderheit an der Auswertung von Prozentzahlen ist, dass oft mindestens eine der folgenden Annahmen einer Varianzanalyse verletzt wird (Die angegebene Reihenfolge der Voraussetzungen entspricht dabei ihrer Wichtigkeit):</p>
<ol style="list-style-type: decimal">
<li>Additivität der systematischen Effekte</li>
<li>Varianzhomogenität</li>
<li>Normalverteilung der Fehler</li>
</ol>
<p>Warum das so ist kann man sich z.B. vorstellen indem man sich vergegenwärtigt, dass Werte einer Sorte weniger schwanken, wenn sie gegen 0% oder 100% gehen. Die Werte einer mittelmäßig anfälligen Sorte hingegen schwanken wahrscheinlich mehr - sowohl über als auch unter 50%. Demnach ist die Varianz bei mittlerem Befall am größten, während sie bei kleinem oder hohem Befall sinkt. Anders ausgedrückt besteht ein direkter Zusammenhang zwischen dem Erwartungswert (einer Sorte) und der Varianz, was der Annahme der Varianzhomogenität widerspricht, weil laut dieser die Varianzen immer gleich sein müssten, egal wie hoch der Erwartungswert (der Sorte).</p>
<p>Um dies zu prüfen können wir ein einfaches, lineares Modell wie in <a href="2f_rcbd.html">Kapitel 4</a> aufstellen und uns die Residuenplots anschauen. Tatsächlich deutet der linke Plot ganz und gar nicht auf Varianzhomogenität hin:</p>
<pre class="r"><code># Modell für zweifaktorielle Varianzanalyse in rand. vollst. Blockanlage
mod <- lm(anteil ~ block + gen + trt + gen:trt, data=carrot)
# Residuenplots mit autoplot Funktion aus ggfortify package
library(ggfortify)
autoplot(mod, which=1:2) </code></pre>
<p><img src="intro_glm_carrot_files/figure-html/unnamed-chunk-9-1.png" width="672" style="display: block; margin: auto;" /></p>
<p>Es muss klar sein, das die Varianzanalyse auch dann (in R) durchgeführt werden kann und somit Ergebnisse erzeugt werden, wenn die Annahmen verletzt sind. Diese Ergebnisse sind dann aber nicht zulässig/aussagekräftig. Es liegt daher in der Verantwortung des Auswertenden sicherzustellen, dass die Annahmen erfüllt sind.</p>
<blockquote>
<p><strong>Sieht das jetzt gut genug aus?</strong> <br /> Häufig wird bemängelt, dass eine Beurteilung von Residuenplots subjektiv ist: Gerade mit wenig Erfahrung fällt die Entscheidung schwer ob der jeweilige Plot nun gut aussieht oder nicht. Um Orientierungspunkte zu geben, sind hier ein paar Residuenplots zum Verlgeich dargestellt: [UNDER CONSTRUCTION]. <br /> Es soll auch darauf hingewiesen sein, dass es Tests gibt, die testen ob alle Voraussetzungen erfüllt sind. Allerdings bergen solche Tests das Problem, dass sie das Gesamtbild nur “schwarz-weiß” darstellen, also auf ein “ja” oder “nein” reduzieren, was zu einem Informationsverlust führt. Residuenplots können eben nicht nur <em>perfekt</em> oder <em>vollkommen daneben</em> aussehen und liefern somit eine genauere Aussage darüber ob bzw. wie gut die Voraussetzungen erfüllt sind.</p>
</blockquote>
<div id="lösung-1-datentransformation" class="section level2">
<h2>Lösung 1: Datentransformation</h2>
<p>Wenn man nicht die gemessenen Werte selbst auswertet, sondern sie vor der Auswertung transformiert, kann dies dazu führen, dass die Annahmen der Varianzanalyse (besser als vorher) erfüllt sind und man doch eine “normale” Varianzanalyse durchführen darf - nur eben mit den transformierten Werten.</p>
<p><em>Transformieren</em> heißt hier durch eine Funktion umrechnen wie z.B. die Wurzel ziehen oder logarithmieren. Wenn also ein Fall wie der oben auftritt würde man also tatsächlich versuchen nicht den prozentualen Befall selbst (<code>anteil</code>) auszuwerten, sondern eine neue Spalte erstellen in der man beispielsweise <code>log(anteil)</code> berechnet und diese Werte dann auswertet. Auf den ersten Blick mag dies nicht logisch bzw. zielführend erscheinen (zumindest ging es mir so), da man so nicht mehr die natürliche Skala analysiert. Doch tatsächlich können dieselben biologisch relevanten Schlussfolgerungen, also z.B. <em>“Sorte 1 ist anfälliger als Sorte 3”</em> genauso gut auf Basis von logarithmierten Werten wie auf nicht logarithmierten Werten stattfinden - wobei “genauso gut” eben nicht stimmt, wenn die untransformierten Werte die Varianzanalyseannahmen nicht erfüllen, die transformierten Werte aber schon. In solch einem Fall sollte man also die transformierten Werte auswerten.</p>
<blockquote>
<p><strong>Ein weiteres Gedankenspiel zur Sinnigkeit von Transformationen</strong> <br /> In einem Versuch wurden sowohl Blattlänge als auch Blattfläche bestimmt. Keins der beiden Merkmale kann als wichtiger oder richtiger gewertet werden als das andere. Da Blätter beim Wachsen ihre Form kaum ändern, ergibt sich allerdings kein linearer Zusammenhang zwischen den beiden Merkmalen. Das liegt daran, dass die Fläche etwa der quadrierten Länge entspricht und demnach die Blattfläche schneller größer wird als die Blattlänge. Ein Längenunterschied zwischen zwei Blättern von 1 cm führt bei kleinen Blättern zu einem kleineren Flächenunterschied als bei zwei großen Blättern. Wenn also die Annahmen z.B. für Blattlänge stimmen, dürften sie das automatisch nicht für Blattfläche tun. <br /> Würde man allerdings die Blattflächenwerte transformieren indem man die Wurzel zieht, so ist es naheliegend, dass diese Werte die Annahmen einer Varianzanalyse erfüllen. Die natürliche Skala ist nicht immer die einfachste für eine statistische Analyse und in diesem Fall wäre es von Vorteil die Wurzel aus der Blattfläche anstatt der Blattfläche selbst zu analysieren.</p>
</blockquote>
<p>Ziel einer Transformation der Daten ist es also die Voraussetzungen, die für eine Varianzanalyse erforderlich sind, annähernd zu erfüllen. Es ist gängige Praxis für bestimmte Datentypen verschiedene Transformationen anzuwenden wie in der Übersichtstabelle beschrieben (Quelle: Biometrieksript <a href="https://www.uni-hohenheim.de/organisation?tx_base_lsfcontentadmin%5BlsfPerson%5D=6257">Prof. H.-P. Piepho</a>)</p>
<center>
<img src="images/tab7biometrieskript.PNG" style="width:66%" align="center">
</center>
<p><br /></p>
<div id="anwendung" class="section level3">
<h3>Anwendung</h3>
<p>Laut der Tabelle sollen wir also probieren unseren prozentualen Mohrrübenbefall mit der Arcus-Sinus-Wurzel-Transformation zu transformieren und prüfen ob die Annahmen dann erfüllt sind:</p>
<pre class="r"><code># Erstelle Spalte "arcsin.anteil"
carrot[, arcsin.anteil := asin(sqrt(y/n))]</code></pre>
<div class="row">
<div class="col-md-6">
<pre class="r"><code>boxplot(arcsin.anteil ~ gen, data=carrot, las=2)</code></pre>
<p><img src="intro_glm_carrot_files/figure-html/unnamed-chunk-11-1.png" width="672" /></p>
</div>
<div class="col-md-6">
<pre class="r"><code>boxplot(arcsin.anteil ~ trt, data=carrot, las=2)</code></pre>
<p><img src="intro_glm_carrot_files/figure-html/unnamed-chunk-12-1.png" width="672" /></p>
</div>
</div>
<pre class="r"><code># Ersetze Zielvariable durch "arcsin.anteil"
mod.arcsin <- lm(arcsin.anteil ~ block + gen + trt + gen:trt, data=carrot)
# Residuenplots
autoplot(mod.arcsin, which=1:2)</code></pre>
<p><img src="intro_glm_carrot_files/figure-html/unnamed-chunk-13-1.png" width="672" style="display: block; margin: auto;" /></p>
<p>Tatsächlich sieht die Varianz homogener als noch im vorigen Residuenplot aus. Hinsichtlich der Annahme der Varianzhomogenität könnte man nun schon eher mit der Varianzanalyse fortfahren und ggf. Mittelwertvergleiche durchführen wie in <a href="2f_rcbd.html">Kapitel 4</a>. Es soll noch angemerkt sein, dass man am Ende der Auswertung die adjustierten Mittelwerte auch wieder zurücktransformieren kann, sodass sie wieder der natürlichen Skala entsprechen und somit (sowohl in einer Tabelle als auch in Graphen) intuitiver verständlich sind. Es sollte dann aber deutlich vermerkt werden, dass die Varianzanalyse und post-hoc Tests auf einer anderen, nämlich der transformierten Skala, stattgefunden haben.</p>
<p>Oft verbessert eine Transformation die Daten übrigens nicht nur hinsichtlich einer Annahme, sondern aller Annahmen. Das kann man sich so erklären, dass wenn man einen fiktiven Datensatz mit perfekter Einhaltung der Annahmen transformieren würde, er wahrscheinlich nicht nur hinsichtlich einer Annahme Abstriche machen muss.</p>
<p>Für weiterführende, aber dennoch eingängig formulierte Informationen mit direktem Bezug zu R empfehle ich <a href="https://cran.r-project.org/doc/contrib/Dormann+Kuehn_AngewandteStatistik.pdf">Kapitel 3.3 von Doormann & Kühn</a>.</p>
</div>
</div>
<div id="lösung-2-generalisierte-modelle" class="section level2">
<h2>Lösung 2: Generalisierte Modelle</h2>
<p>Hin und wieder müssen Daten analysiert werden, bei denen selbst verschiedene Transformationen zu keiner zufriedenstellenden Verbesserung hinsichtlich der Annahmen einer Varianzanalyse führen. In solch einem Fall können <strong>Generalisierte lineare Modelle (GLM)</strong> angewendet werden. Bisher haben wir nur einfache, oder auch “generelle lineare Modelle (gLM)” genutzt.</p>
<p><em>Generalisiert</em> meint hier, dass zwei der Annahmen, nämlich die der <em>Varianzhomogenität</em> und der <em>Normalverteilung der Fehler</em> wegfallen. Es können nämlich andere Verteilungen wie z.B. die Poisson-Verteilung, die Binomial-Verteilung oder die Gammaverteilung angenommen werden. Und ja, die Varianzen müssen nicht länger homogen sein, aber es muss die Beziehung zwischen Erwartungswert und Varianz bekannt sein bzw. geraten werden, d.h. es muss eine Varianzfunktion angegeben werden.</p>
<p>Außerdem bleibt natürlich die übrige Annahme der <em>Additivität der systematischen Effekte</em> bestehen. In die Klasse der GLMs fallen eine ganze Reihe gängiger Modelle, z.B. die Logit- und Probit-Regression für binomialverteilte Daten oder die loglinearen Modelle für poissonverteilte Daten. Die für uns “normalen” Modelle sind also ein Sonderfall der generalisierten Modelle, die normalverteilte Fehler mit homogener Varianz annehmen. Es soll gesagt sein, dass in der Praxis die oben beschrieben Schritte der Datentransformation manchmal auch übersprungen werden und einfach direkt ein GLM für bestimmte Datentypen angepasst wird - so z.B. für Prozentwerte (binomialverteilt) oder nach oben offene Zähldaten (poissonverteilt).</p>
<blockquote>
<p><strong>Was ist eigentlich mit Additivität gemeint?</strong> <br /> Nehmen wir an in einem Versuch wie dem Mohrrübenversuch hier, gibt es prozentuale Befallswerte von zwei Sorten (A und B) in mehreren Blöcken. In Block 1 hat Sorte A 50% Befall und Sorte B 70% Befall. In Block 2 herrschen deutlich günstigere Infektionsbedingungen, sodass Sorte A einen Befall von 90% aufweist. Das sind 40% mehr als in Block 1. Es ist allerdings unmöglich, dass auch Sorte B 40% mehr Befall in Block 2 aufweist, da der Befall nicht höher als 100% sein kann. Eine Additivität der Effekte ist nicht gegeben, sodass ein additives Modell nicht sinnvoll ist.</p>
</blockquote>
<p>Übrigens muss klar sein, dass die Verwendung von GLM nicht automatisch bedeutet, dass keine Datentransformation mehr nötig ist. Stattdessen kann sich mit der eventuellen Datentransformation nun darauf konzentriert werden die letzte verbleibende Annahme der Additivität zu erzielen. Die Logit-Transformation ist in solch einem Fall eine gängige Methode, könnte also auch für das Beispiel im Anmerkungskasten hierüber angewendet werden.</p>
<blockquote>
<p><strong>Maximum Likelihood</strong> <br /> Einfache lineare Modelle (z.B. Regression oder Varianzanalyse) können mit der <em>Kleinstquadratlösung</em> (auch <em>Methode der minimalen Abweichungsquadrate</em>, <em>ordinary least squares (OLS)</em>) analytisch mittels Matrixalgebra gelöst werden (siehe z.B. <a href="https://cran.r-project.org/doc/contrib/Dormann+Kuehn_AngewandteStatistik.pdf">Kapitel 6.6 von Doormann & Kühn</a>). Generalisierte lineare Modelle müssen stattdessen mit dem <em>maximum likelihood</em>-Ansatz gelöst werden. Es kann gezeigt werden, dass für normalverteilte Daten bei einfachen linearen Modellen der <em>maximum likelihood</em>-Ansatz zum Kleinsquadratansatz führt. Mittels des <em>maximum likelihood</em>-Ansatzes können demach auch Poisson-, binomial- oder anders verteilte Datensätze analysiert werden. Allerdings ist dieser eben nicht mehr analytisch lösbar. Stattdessen werden Parameter im Modell iterativ numerisch gelöst. Dieser Prozess ist rechenaufwendig und wurde deshalb erst mit der Entwicklung von leistungsfähigen Computern sowie der entsprechenden Statistiksoftware populär.</p>
</blockquote>
<div id="die-link-funktion" class="section level3">
<h3>Die Link-Funktion</h3>
<p>Wie schon kurz angedeutet, muss bei einem GLM stets eine Link-Funktion angegeben werden. Um zu verstehen was diese Funktion ver<em>link</em>t, sollten erst die wichtigsten Bezeichnungen und Formeln erklärt werden.</p>
<p>Bei Annahme der Normalverteilung lautet das lineare Modell <span class="math inline">\(y=X\beta+e\)</span>, wobei <span class="math inline">\(X\beta\)</span> alle (festen) Effekte des Modells zusammenfasst. Da der Fehlerterm <span class="math inline">\(e\)</span> unbekannte, zufällige Streuung darstellt, entspricht der Erwartungswert <span class="math inline">\(E(y)\)</span> des Modells nur <span class="math inline">\(X\beta\)</span>. Dieser Teil des Modells kann auch als <em>linearer Prädiktor</em> <span class="math inline">\(\eta\)</span> bezeichnet werden. Im einfachen Fall entspricht der lineare Prädiktor dem Erwartungswert.</p>
<p>Bei einer Datentransformation wird eine Funktion <span class="math inline">\(f()\)</span>, also z.B. <code>log()</code> oder <code>sqrt()</code> auf die Daten <span class="math inline">\(y\)</span> angewendet. Der lineare Prädiktor entspricht dann dem Erwartungswert der transformierten Daten.</p>
<p>Der große Unterschied bei einem GLM ist nun, dass nicht die Daten transformiert werden, sondern der lineare Prädiktor bzw. der Erwartungswert selbst. Dies geschieht mittels der <em>Link-Funktion</em> <span class="math inline">\(g()\)</span>.</p>
<div class="column-left">
<p><strong>lm ohne Datentransformation</strong> <span class="math inline">\(E(y)=\eta=X\beta\)</span><br />
<br /> <br /> <br /></p>
</div>
<div class="column-center">
<p><strong>lm mit Datentransformation</strong> <span class="math inline">\(E[f(y)]=\eta=X\beta\)</span> <br /> <br /> <br /> <br /></p>
</div>
<div class="column-right">
<p><strong>GLM ohne Datentransformation</strong> <span class="math inline">\(g[E(y)]=\eta=X\beta\)</span></p>
<p>beziehungsweise: <br /> <span class="math inline">\(E(y)=g^{-1}(\eta)=g^{-1}(X\beta)\)</span></p>
</div>
<p>Wird nun z.B. die logit-Transformation als Link-Funktion <span class="math inline">\(g()=logit()\)</span>gewählt, so erhalten wir ein “Logit-Modell” oder “logtistisches Modell” als Sonderfall eines GLM. Das Modell ist weiterhin linear, allerdings gilt die lineare Beziehung mit dem Prädiktor nicht bezüglich des Messwertes selbst, sondern für eine Funktion des Messwertes:</p>
<p><span class="math display">\[ logit(y) = log\left(\frac{y}{1-y}\right) = \eta = X\beta\]</span></p>
<p>Die Link-Funktion stellt also den Link zwischen Messwert und linearem Modell her.</p>
<p>Wie schon erwähnt erlauben GLM neben der Normalverteilung auch andere Verteileungen. Für bestimmte Verteilungen gibt es gängige Link-Funktionen (siehe erste Tabelle unten).</p>
<p>Ebenfalls schon erwähnt erlauben GLM, dass die Varianz nicht mehr homogen sein muss. Stattdessen hängt die Varianz nun vom Erwartungswert ab - es besteht also ein direkter Zusammenhang zwischen Erwartungswert und Varianz. Diese Varianzfunktion hängt direkt von der gewählten Verteilung ab (siehe zweite Tabelle unten).</p>
<div class="row">
<div class="col-md-6">
<p><img src="images/tab388linkfunctions.PNG" style="width:50%" align="center"> <br /> Quelle: <a href="https://support.sas.com/documentation/cdl/en/statug/63033/HTML/default/statug_glimmix_a0000001411.htm#statug.glimmix.gmxlinktable">SAS Dokumentation</a></p>
</div>
<div class="col-md-6">
<p><img src="images/tab3815variancefunctions.PNG" style="width:55%" align="center"> <br /> Quelle: <a href="https://support.sas.com/documentation/cdl/en/statug/63033/HTML/default/viewer.htm#statug_glimmix_a0000001415.htm">SAS Dokumentation</a></p>
</div>
</div>
</div>
<div id="anwendung-1" class="section level3">
<h3>Anwendung</h3>
<p>Um also nun den prozentualen Befall unseres Mohrrübendatensatzes mit einem GLM auszuwerten müssen wir die Funktion <code>glm()</code> nutzen und zusätzlich Argumente zur Verteilung machen.</p>
<pre class="r"><code>mod.glm <- glm(y/n ~ block + gen + trt + gen:trt,
weights= n,
family = binomial(link='logit'),
data = carrot)</code></pre>
<p>Wie man sehen kann, wäre übrigens das vorige Berechnen der anteil-Spalte für das Aufstellen des Modells nicht nötig gewesen, da wir auch direkt <code>y/n</code> als Zielvariable schreiben können. Wichtig ist dabei aber, dass wir bei Angabe eines solchen Bruchs auch immer noch <code>weights=n</code> dazuschreiben müssen! <em>(Zur Info: Alternativ kann man statt <code>y/n</code> auch <code>cbind(y, n-y)</code> schreiben und das <code>weights=n</code> weglassen)</em></p>
<p>Als erwartete Verteilung schreiben wir hier vorerst <code>family=binomial</code>, sodass eine Binomialverteilung für die Fehler angenommen wird. Der Zusatz <code>(link="logit")</code> ist hier eigentlich überflüssig, weil dies die default Linkfunktion für binomialverteilte Daten ist - ich schreibe es aber der Klarheit gerne dazu. Da <code>glm()</code> eine Basis-Funktion von R ist - also kein extra package benötigt - können Residuenplots wieder einfach mit der <code>autoplot()</code> Funktion des <code>ggfortify</code> packages betrachtet werden:</p>
<pre class="r"><code>autoplot(mod.glm, which=1:2)</code></pre>
<p><img src="intro_glm_carrot_files/figure-html/unnamed-chunk-15-1.png" width="672" style="display: block; margin: auto;" /></p>
<p>Tatsächlich müssen wir die Residuenplots ja aber eben nicht betrachten um Normalverteilung und Varianzhomogenität zu beurteilen, da diese bei einem GLM ja nicht mehr angenommen werden müssen.</p>
</div>
<div id="devianzanalyse" class="section level3">
<h3>Devianzanalyse</h3>
<p>Sobald wir mit unserem Modell zufrieden sind, würden wir gerne wie in <a href="2f_rcbd.html">Kapitel 4</a> als nächstes mittels F-Test einer zweifaktoriellen Varianzanalyse prüfen wollen welche Behandlungseffekte signifikant sind. Bei GLM werden Varianzanalyse-Tabellen allerdings durch Devianzanalyse-Tabellen ersetzt. Praktischerweise macht dies für den Anwender keinen großen Unterschied in der Codierung und Interpretation der Ergebnisse.</p>
<pre class="r"><code>library(car)
anova(mod.glm, test="Chisq") # Option 1</code></pre>
<pre><code>## Analysis of Deviance Table
##
## Model: binomial, link: logit
##
## Response: y/n
##
## Terms added sequentially (first to last)
##
##
## Df Deviance Resid. Df Resid. Dev Pr(>Chi)
## NULL 95 901.70
## block 2 16.40 93 885.30 0.000274 ***
## gen 15 500.52 78 384.78 < 2.2e-16 ***
## trt 1 107.72 77 277.05 < 2.2e-16 ***
## gen:trt 15 68.91 62 208.14 6.971e-09 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1</code></pre>
<pre class="r"><code>Anova(mod.glm, test.statistic="Wald") # Option 2</code></pre>
<pre><code>## Analysis of Deviance Table (Type II tests)
##
## Response: y/n
## Df Chisq Pr(>Chisq)
## block 2 17.065 0.0001969 ***
## gen 15 413.459 < 2.2e-16 ***
## trt 1 94.423 < 2.2e-16 ***
## gen:trt 15 66.875 1.6e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1</code></pre>
<p>Laut der Devianzanalyse-Tabelle gibt es also eine signifikante Wechselwirkung zwischen den beiden Behandlungseffekten. Demnach müsste man im Anschluss die adjustierten Mittelwerte aller Genotype-Treatment-Kombinationen berechnen und miteinander (via post-hoc Tests) vergleichen wie z.B. in <a href="2f_rcbd.html">Kapitel 4</a> oder <a href="2f_splitplot.html">Kapitel 5</a>.</p>
</div>
<div id="über--und-unterdispersion" class="section level3">
<h3>Über- und Unterdispersion</h3>
<p>Wir wollen uns allerdings noch eines weiteren Aspektes der GLM zuwenden - dem Dispersionsparameter. Wie schon gesagt gibt es für jede Verteilung eine zugehörige Varianzfunktion und somit eine erwartete Varianz. Tatsächlich sind die beobachteten Varianzen aber manchmal größer oder kleiner als ihr Erwartungswert laut Varianzfunktion. Dieses Phänomen wird dann entsprechend als Über- und Unterdispersion bezeichnet.</p>
<p>Sollte solch ein Fall vorliegen, kann im Modell ein zusätzlicher <em>Dispersionsparameter</em> <span class="math inline">\(\phi\)</span> angepasst werden, der die Über- oder Unterdispersion sozusagen auffängt. Läge weder Über- noch Unterdispersion vor, so wäre <span class="math inline">\(\phi=1\)</span>. Bei Unterdispersion ist <span class="math inline">\(\phi<1\)</span> und bei Überdispersion ist <span class="math inline">\(\phi>1\)</span>.</p>
<p>Als Kontrolle lassen wir uns den Dispersionsparameter des eben angepassten Modells ausgeben:</p>
<pre class="r"><code>summary(mod.glm)$dispersion </code></pre>
<pre><code>## [1] 1</code></pre>
<p>Es muss aber klar sein, dass <span class="math inline">\(\phi\)</span> hier nicht auf 1 geschätzt wurde, sondern auf 1 fixiert war, da wir explizit nur nach eine Binomialverteilung gefragt hatten. Um einen von 1 abweichenden Dispersionsparameter zu erlauben, müssen wir in <code>glm()</code> das <code>binomial</code> durch <code>quasibinomial</code> ersetzen:</p>
<pre class="r"><code>mod.glm2 <- glm(y/n ~ block + gen + trt + gen:trt,
weights= n,
family = quasibinomial(link='logit'),
data = carrot)
summary(mod.glm2)$dispersion </code></pre>
<pre><code>## [1] 3.215226</code></pre>
<p>Und tatsächlich liegt eine relativ starke Überdispersion vor. Da das Modell sich nun verändert hat, ergeben sich auch andere Testergebnisse in der Devianzanalyse-Tabelle:</p>
<pre class="r"><code>Anova(mod.glm2, test.statistic="Wald")</code></pre>
<pre><code>## Analysis of Deviance Table (Type II tests)
##
## Response: y/n
## Df Chisq Pr(>Chisq)
## block 2 5.3077 0.07038 .
## gen 15 128.5940 < 2.2e-16 ***
## trt 1 29.3673 5.988e-08 ***
## gen:trt 15 20.7994 0.14336
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1</code></pre>
<p>Die Wechselwirkung ist nun nicht mehr signifikant.</p>
</div>
</div>
</div>
<hr />
<p style="text-align: center;">Bei Fragen kannst du mir gerne schreiben!</p>
<p style="text-align: center;"><span style="color: #808080;"><em>[email protected]</em></span></p>
<!-- Add icon library -->
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/4.7.0/css/font-awesome.min.css">
<!-- Add font awesome icons -->
<p style="text-align: center;">
<a href="https://www.researchgate.net/profile/Paul_Schmidt17/research" class="fa fa-pencil"></a>
<a href="https://www.linkedin.com/in/schmidtpaul1989/" class="fa fa-linkedin"></a>
<a href="https://www.xing.com/profile/Paul_Schmidt203/cv/" class="fa fa-xing"></a>
<a href="https://github.com/SchmidtPaul/" class="fa fa-github"></a>
</p>
<a href="https://hits.seeyoufarm.com"><img src="https://hits.seeyoufarm.com/api/count/incr/badge.svg?url=https%3A%2F%2Fschmidtpaul.github.io%2FcrashcouRse%2F&count_bg=%23003F75&title_bg=%23555555&icon=&icon_color=%23E7E7E7&title=hits&edge_flat=false" class="center"/></a>
</div>
</div>
</div>
<script>
// add bootstrap table styles to pandoc tables
function bootstrapStylePandocTables() {
$('tr.header').parent('thead').parent('table').addClass('table table-condensed');
}
$(document).ready(function () {
bootstrapStylePandocTables();
});
</script>
<!-- tabsets -->
<script>
$(document).ready(function () {
window.buildTabsets("TOC");
});
$(document).ready(function () {
$('.tabset-dropdown > .nav-tabs > li').click(function () {
$(this).parent().toggleClass('nav-tabs-open')
});
});
</script>
<!-- code folding -->
<script>
$(document).ready(function () {
// move toc-ignore selectors from section div to header
$('div.section.toc-ignore')
.removeClass('toc-ignore')
.children('h1,h2,h3,h4,h5').addClass('toc-ignore');
// establish options
var options = {
selectors: "h1,h2,h3",
theme: "bootstrap3",
context: '.toc-content',
hashGenerator: function (text) {
return text.replace(/[.\\/?&!#<>]/g, '').replace(/\s/g, '_');
},
ignoreSelector: ".toc-ignore",
scrollTo: 0
};
options.showAndHide = true;
options.smoothScroll = true;
// tocify
var toc = $("#TOC").tocify(options).data("toc-tocify");
});
</script>
<!-- dynamically load mathjax for compatibility with self-contained -->
<script>
(function () {
var script = document.createElement("script");
script.type = "text/javascript";
script.src = "https://mathjax.rstudio.com/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML";
document.getElementsByTagName("head")[0].appendChild(script);
})();
</script>
</body>
</html>