A Statistical Model for Analyzing Interdependent Complex of Plant Pathogens

• EDUARDO DÁVILA ^[1] ; LUIS ALBERTO LÓPEZ ^[1] ; LUIS GUILLERMO DÍAZ ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 35, Nº. Extra 2, 2012 (Ejemplar dedicado a: Número especial en Bioestadística), págs. 255-270
• Idioma: inglés
• Títulos paralelos:
  • Un modelo estadístico para analizar complejos interdependientes de patógenos vegetales
• Enlaces
  • Texto completo
• Resumen
  • español

    Se introduce un nuevo enfoque para modelar datos binomiales multivariados con sobredispersión, obtenidos de complejos de patógenos vegetales. Después de revisar los conceptos básicos de los modelos lineales generalizados (GLMs) y las funciones Cópula, se muestra cómo estas últimas pueden usarse para modelar observaciones correlacionadas y datos con sobredispersión. Se ilustra el método usando la incidencia de hongos en hortalizas, analizando el caso por medio de la función cópula Gaussiana con marginales Beta-binomiales. Comparado con los modelos lineales clásicos y generalizados, el modelo construido con la cópula Gaussiana es el que mejor controla la sobredispersión, siendo menos propenso a la subestimación de los errores estándar, la causa más importante de inferencia inapropiada en el análisis estadístico de complejos de patógenos vegetales.

  • English

    We introduce a new approach for modeling multivariate overdispersed binomial data, from a plant pathogen complex. After recalling some theoretical foundations of generalized linear models (GLMs) and Copula functions, we show how the later can be used to model correlated observations and overdispersed data. We illustrate this approach using fungal incidence in vegetables, which we analyzed using Gaussian copula with Beta-binomial margins. Compared to classical and generalized linear models, the model using Gaussian copula function best controls for overdispersion, being less prone to the underestimation of standard errors, the major cause of wrong inference in the statistical analysis of plant pathogen complex.

• Referencias bibliográficas
  • Acar, E.,Craiu, R.,Yao, F.. (2011). 'Dependence calibration in conditional copulas: a nonparametric approach'. Biometrics. 67. 445-453
  • Casella, G.,Berger, R.. (2002). Statistical Inference. 2. Duxbury Press. Florida.
  • Cely, B.. (1996). Control de mildeo velloso (Peronospora destructor) en el cultivo de cebolla de rama mediante protección cruzada.
  • Cherubini, U.,Luciano, E.,Vecchiato, W.. (2004). Copula Methods in Finance. John Wiley & Sons.
  • Claeskens, G.,Hjort, N.. (2008). Model Selection and Model Averaging. Cambridge University Press.
  • Cox, D. R.. (1983). 'Some remarks on overdispersion'. Biometrika. 7. 269-274
  • Durrant, W.,Dong, X.. (2004). 'Systemic acquired resistance'. Annual Review of Phytopathology. 42. 185-209
  • Dávila, E.. (2005). Modelación multivariada de la sobredispersión en datos binarios, aplicación en epidemiología vegetal.
  • Dávila, E.,López, L.. (2010). 'International Biometrics Conference'. XXV International Biometric Conference. Florianópolis.
  • Embrechts, P.. (2009). 'Copulas: a personal view'. The Journal of Risk and Insurance. 76. 639-650
  • Fischer, M.. (2011). 'Dependence Modeling Vine Copula Handbook'. World Scientific.
  • Genest, C.,Neslehova, J.. (2007). 'A primer on copulas for count data'. ASTIN Bulletin. 37. 475-515
  • Genest, C.,Rémillard, B.,Beaudoin, D.. (2009). 'Goodness-of-fit tests for copulas: a review and a power study'. Insurance: Mathematics...
  • Griffiths, D. A.. (1973). 'Maximum likelihood estimation for the beta-binomial distribution and an application to the household distribution...
  • Gronneberg, S.. (2011). 'Dependence Modeling Vine Copula Handbook'. World Scientific.
  • Hardle, W.,Simar, L.. (2007). Applied Multivariate Statistical Analysis. Springer-Verlag.
  • Heyde, C.. (1997). Quasi-likelihood And Its Applications: A General Approach To Optimal Methods of Estimation. Springer.
  • Hinde, J.,Demetrio, C.. (1998). Overdispersion: Models and estimation. XIII Sinape. Caxambu.
  • Joe, H.. (1997). Multivariate Models and Dependence Concepts. Chapman and Hall.
  • Jorgensen, B.. (1997). Dispersion Models. Chapman and Hall.
  • Jorgensen, B.,Lauritzen, S.. (2000). 'Multivariate dispersion models'. Journal of Multivariate Analysis. 74. 267-281
  • Kojadinovic, I.,Yan, J.,Holmes, M.. (2011). 'Fast large-sample goodness-of-fit for copulas'. Statistica Sinica. 21. 841-871
  • Lambert, P.,Vandenhende, F.. (2002). 'A copula-based model for multivariate non-normal longitudinal data: Analysis of a dose titration...
  • Li, J.,Wong, W.. (2011). 'Two-dimensional toxic dose and multivariate logistic regression, with application to decompression sickness'....
  • Madsen, L.,Fang, Y.. (2011). 'Joint regression analysis for discrete longitudinal data'. Biometrics. 67. 1171-1175
  • McCullagh, P.,Nelder, J.. (1989). Generalized Linear Models. Chapman and Hall/CRC.
  • McCulloch, C.,Searly, S.,Neuhaus, J.. (2008). Generalized Linear and Mixed Models. Wiley.
  • Mikosch, T.. (2006). 'Copulas: tales and facts (with discussion and rejoinder)'. Extremes. 9. 3-63
  • Nelsen, R.. (2006). An Introduction to Copulas. 2. Springer.
  • Nikoloulopoulos, A.. (2012). 'Letter to the editor'. Biostatistics. 13. 1-3
  • Nikoloulopoulos, A.,Karlis, D.. (2010). 'Modeling multivariate count data using copulas'. Statistics in Medicine. 27. 6393-6406
  • Smith, P.,Heitjan, F.. (1993). 'Testing and adjusting for departures from nominal dispersion in generalized linear models'. Applied...
  • Song, P. X.. (2000). 'Multivariate dispersion models generated from gaussian copula'. Scandinavian Journal of Statistics. 27. 305-320
  • Song, P. X.. (2007). Correlated Data Analysis: Modeling, Analytics, and Applications. Springer.
  • Song, P. X.,Li, M.,Yuan, Y.. (2009). 'Joint regression analysis of correlated data using gaussian copulas'. Biometrics. 65. 60-68
  • Song, P. X.,Li, M.,Yuan, Y.. (2011). 'Joint regression analysis for discrete longitudinal data - rejoinder'. Biometrics. 67. 1175-1176
  • Tregouet, D.,Ducimetiere, P.,Bocquet, V.,Visvikis, S.,Soubrier, F.,Tiret, L.. (1999). 'A parametric copula model for analysis of familial...