Я пытаюсь создать модель с помощью MCMCglmm
пакета в R.MCMCglmm мультиномиальная модель R
Данные структурированы следующим образом, где двойка, очаговые, другие являются все случайные эффекты, predict1-2 являются предиктором переменные и ответа 1-5 являются итоговыми переменными, которые захватывают # наблюдаемого поведение различных подтипов:
dyad focal other r present village resp1 resp2 resp3 resp4 resp5
1 10101 14302 0.5 3 1 0 0 4 0 5
2 10405 11301 0.0 5 0 0 0 1 0 1
…
так модель только один исход (обучение) выглядит следующим образом:
prior_overdisp_i <- list(R=list(V=diag(2),nu=0.08,fix=2),
G=list(G1=list(V=1,nu=0.08), G2=list(V=1,nu=0.08), G3=list(V=1,nu=0.08), G4=list(V=1,nu=0.08)))
m1 <- MCMCglmm(teaching ~ trait-1 + at.level(trait,1):r + at.level(trait,1):present,
random= ~idh(at.level(trait,1)):focal + idh(at.level(trait,1)):other +
idh(at.level(trait,1)):X + idh(at.level(trait,1)):village,
rcov=~idh(trait):units, family = "zipoisson", prior=prior_overdisp_i,
data = data, nitt = nitt.1, thin = 50, burnin = 15000, pr = TRUE, pl = TRUE, verbose = TRUE, DIC = TRUE)
Замечания курса Хадфилда (Ch 5) приводят пример мультиномиальной модели, которая использует только одну переменную результата с тремя уровнями (овечья рожки 3-х типов). Подобное лечение можно найти здесь: http://hlplab.wordpress.com/2009/05/07/multinomial-random-effects-models-in-r/ Это не совсем так, как я делаю, но содержит полезную справочную информацию.
Другая ссылка (Hadfield 2010) дает пример MCMCglmm с несколькими ответами, который следует за одним и тем же форматом, но использует cbind() для прогнозирования вектора ответов, а не для одного результата. Та же модель с множественными ответами будет выглядеть следующим образом:
m1 <- MCMCglmm(cbind(resp1, resp2, resp3, resp4, resp5) ~ trait-1 +
at.level(trait,1):r + at.level(trait,1):present,
random= ~idh(at.level(trait,1)):focal + idh(at.level(trait,1)):other +
idh(at.level(trait,1)):X + idh(at.level(trait,1)):village,
rcov=~idh(trait):units,
family = cbind("zipoisson","zipoisson","zipoisson","zipoisson","zipoisson"),
prior=prior_overdisp_i,
data = data, nitt = nitt.1, thin = 50, burnin = 15000, pr = TRUE, pl = TRUE, verbose = TRUE, DIC = TRUE)
У меня есть два вопроса здесь: Программирование Радио
Как указать предшествующий для этой модели? Я просмотрел материалы, упомянутые в этом посте, но просто не могу понять это.
У меня есть аналогичная версия с двумя переменными ответа, но я получаю только один наклон - там, где я думал, что должен получить другой уклон для каждой переменной
resp
. Где я ошибаюсь, или я неправильно понял модель?
Вы проверили, является ли 'fix = 2' в' R = list (V = diag (2), nu = 0,08, fix = 2) 'действительно имеет смысл? В моем понимании предварительной спецификации MCMCglmm 'fix' следует читать как логическое значение:' fix = 0' является значением по умолчанию для не исправления дисперсии на 'V', а' fix = 1' означает «исправить дисперсию в значение 'V'. Поэтому 'fix = 2' (или аналогичный) imo не должен иметь никакого значения вообще. (Но на странице 103 его курса nots Hadfield использует эту спецификацию: ftp://cran.r-project.org/pub/R/web/packages/MCMCglmm/vignettes/CourseNotes.pdf) – Qaswed
@ Qaswed Я возвращаюсь к эти данные через пару лет и снова смотрят на эти модели. Я понимаю, что компонент «fix» имеет отношение к тому, какая часть модели предшествует для ... поскольку существует категориальный компонент (предсказание нулей) и непрерывный компонент (предсказывающий ненулевые значения).Это характерно для моделей зипоиссона, которые являются технически многогранными в своем собственном праве. Предостережение: я могу быть смущен! –