我正在尝试使用 glmmadmb 评估负二项式混合模型的输出。为了总结输出,我将汇总函数与 mcmc 选项的输出进行比较。我已经运行了这个模型:
pre1 <- glmmadmb(walleye~(1|year.center) + (1|Site) ,data=pre,
family="nbinom2",link="log",
mcmc=TRUE,mcmc.opts=mcmcControl(mcmc=1000))
我有两个随机截取:年份和站点。年份有 33 个级别,站点有 15 个。
摘要(pre1)中对站点和年份的随机效应参数估计似乎与 mcmc 输出的后验分布不一致。我使用 50% 置信区间作为估计值,该估计值应与汇总函数的参数估计值一致。这是不正确的吗?有没有办法使用汇总函数来获得围绕随机效应参数的误差来衡量这是否是方差问题?我尝试将 postvar=T 与 ranef 一起使用,但这不起作用。另外,有没有办法用信息丰富的行名格式化 mcmc 输出,以确保我使用正确的估计?
glmmabmb 的摘要输出:summary(pre1)
Call:
glmmadmb(formula = walleye ~ (1 | year.center) + (1 | Site),
data = pre, family = "nbinom2", link = "log", mcmc = TRUE,
mcmc.opts = mcmcControl(mcmc = 1000))
AIC: 4199.8
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 3.226 0.154 21 <2e-16 ***
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Number of observations: total=495, year.center=33, Site=15
Random effect variance(s):
Group=year.center
Variance StdDev
(Intercept) 0.1085 0.3295
Group=Site
Variance StdDev
(Intercept) 0.2891 0.5377
Negative binomial dispersion parameter: 2.0553 (std. err.: 0.14419)
Log-likelihood: -2095.88
mcmc 输出:m <- as.mcmc(pre1$mcmc) CI <- t(apply(m,2,quantile,c(0.025,0.5,0.975)))
2.5% 50% 97.5%
(Intercept) 2.911667943 3.211775843 3.5537371345
tmpL.1 0.226614903 0.342206509 0.4600328729
tmpL.2 0.395353518 0.554211483 0.8619127547
alpha 1.789687691 2.050871824 2.3175742167
u.01 0.676758365 0.896844797 1.0726750539
u.02 0.424938481 0.588191585 0.7364795440
这些估计继续 u.48 以包括年份和特定地点的系数。
预先感谢您对此问题的任何想法。蒂芙尼