Régression logistique
Dans les études de toxicologie, on administre souvent des doses aux organismes et on observe des issues 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 de l’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, au format « long », avec une ligne par observation (c.-à-d. un 0 ou un 1).df_short, au format agrégé, avec une ligne par traitement (p. ex. 6 succès, 4 échecs, nombre de réplicats = 10, proportion = 0,6).
Avec le tableau de données « large » ou « court », les méthodes « succès, échec » pour renseigner les résultats d’une régression logistique exigent que succès et échec soient une matrice. Le moyen le plus simple d’y parvenir est d’utiliser la fonction cbind().
Astuce : Lorsque vous travaillez avec des données « dans la nature », vérifiez toujours à quoi correspondent 0 et 1. Les notations varient selon les personnes et de mauvaises hypothèses peuvent vous causer des problèmes si vous vous trompez !
Cet exercice fait partie du cours
Modèles hiérarchiques et à effets mixtes en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Fit a glm using data in a long format
fit_long <- glm(___ ~ ___, data = df_long,
family = "___")
summary(___)