####環境統計学ぷらす第4.2回 #初版(20131128) ####モデル選択 yv<- 5+0.1*c(0:10)^3-0.8*c(0:10)^2-0.1*c(0:10)+rnorm(11,0,3) plot(yv~c(0:10),cex=2) data4.3<- read.csv("data4.3.csv",T) plot(abundance~f_200,data4.3) library(MASS) model4.3<- glm.nb(abundance~altitude+PC1+PC2+g_height+f_200+e_200+gr_200,data4.3) #full model summary(model4.3) AIC(model4.3) model4.3pc1<- glm.nb(abundance~altitude+PC2+g_height+f_200+e_200+gr_200,data4.3) #reduced model(PC1) AIC(model4.3pc1) #stepwise step(model4.3) model4.3step<- glm.nb(abundance~e_200,data4.3) summary(model4.3step) #総当り(dredge) library(MuMIn) select<- dredge(model4.3,rank="AIC") #デフォルト設定ではAICc基準 subset(select,delta<4) #とりあえずdelta<4の結果のみ出力 #総当り(自作関数) source("glm.nb.list.v2013.R") #source()でRファイル読み込み glm.nb.list(model4.3,"model4.3.csv") #結果がcsvで出力される #モデルアベレージング summary(model.avg(select,subset=delta<4)) #delta<4のモデルで平均化 #結果の表現 data4.2<- read.csv("data4.2.csv",T) library(MASS) data4.2$ctree<- scale(data4.2$tree,scale="F") data4.2$cprey<- scale(data4.2$prey,scale="F") nbmodel4.2a<- glm.nb(kusa~ctree*cprey,data4.2) nbmodel4.2b<- glm.nb(kusa~ctree+cprey,data4.2) nbmodel4.2c<- glm.nb(kusa~ctree,data4.2) nbmodel4.2d<- glm.nb(kusa~cprey,data4.2) anova(nbmodel4.2b,nbmodel4.2a) anova(nbmodel4.2c,nbmodel4.2b) anova(nbmodel4.2d,nbmodel4.2b) summary(nbmodel4.2a)