У меня есть автокоррелированные данные, которые показывают положительное линейное увеличение. Когда я моделирую их, используя gls, я думаю, что резюме показывает чрезмерную дисперсию.
При использовании GLMM и т. Д. Я бы изменил структуру ошибок, но я не думаю, что смогу изменить семейство в gls. Есть ли способ решить проблему избыточной дисперсии в модели gls?
library(nlme)
eggs<-c(4087,2761,3807,4158,2046,4757,2984,3316,3143,
3042,4429,3335,5124,2464,3713,3028,5739,4671,3799,6167,2937,5031)
year<-seq(1997,2018,1)
m1<-glm(nest~y)
summary(m1)
acf(resid(m1),type="p")
Остатки показывают автокорреляцию через год, поэтому мне нужно использовать gls
m1.gls<-gls(nest~y,correlation=corARMA(p=1), method="ML")
summary(m1.gls)
acf(resid(m1.gls),type="p")
m0.gls<-gls(nest~y,correlation=NULL,method="ML")
AIC(m0.gls,m1.gls)
anova(m1.gls,m0.gls)
#L.Ratio = chisqu = 7.382355; p = 0.0066
#autocorrelation definitely significant
null.gls<-gls(nest~1,correlation=corARMA(p=1), method="ML")
anova(m1.gls,null.gls)
#L.Ratio = chisq = 7.956113; p = 0.0048
#linear trend is significant
summary(m1.gls)
#residual se = 970 over 22 df
#does this show overdispersion?
Является ли эта модель недопустимо избыточной? Есть ли другая модель, которую я могу попробовать для лучшей подгонки?