Régression logistique
En toxicologie, on administre souvent des doses à des organismes et on observe des résultats binaires, comme mort/vivant ou inhibé/mobile. On parle alors d'une étude dose-réponse. Par exemple, la réponse à différentes doses peut être la mortalité (1) ou la survie (0) à la fin d'une étude.
Dans cet exercice, nous allons ajuster une régression logistique en utilisant les trois méthodes présentées dans la vidéo. Deux jeux de données vous sont fournis.
df_long, en format « long », où chaque ligne correspond à une observation (c.-à-d. un 0 ou un 1).df_short, en format agrégé, où chaque ligne correspond à un traitement (p. ex., 6 succès, 4 échecs, nombre de réplicats = 10, proportion = 0,6).
Lorsque vous utilisez la table « large » ou « courte », les méthodes « succès, échec » pour fournir les résultats d'une régression logistique exigent que succès et échec forment une matrice. Le moyen le plus simple d'y arriver est d'utiliser la fonction cbind().
Conseil : lorsque vous travaillez avec des données sur le terrain, vérifiez toujours à quoi correspondent 0 et 1. Les notations varient d'une personne à l'autre et de mauvaises hypothèses peuvent vous causer des ennuis si vous vous trompez!
Cette activité fait partie du cours
Modèles hiérarchiques et à effets mixtes en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Fit a glm using data in a long format
fit_long <- glm(___ ~ ___, data = df_long,
family = "___")
summary(___)