2

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

4

1 回答 1

3

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？

这不是 50% 的置信区间，而是 50% 的分位数（即中位数）。来自年间和地点间标准差的{0.3295,0.5377}拉普拉斯近似的点估计值分别{0.342206509,0.554211483}为tmpL差异——这可能是你困惑的主要原因吗？

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。

包lme4（不是包）允许通过(现已弃用)glmmadmb估计条件模式的方差（即与特定级别相关的随机效应）。有关条件模式不确定性的等效信息可通过（参见）获得。ranef(...,condVar=TRUE)postVar=TRUEranef(model,sd=TRUE)?ranef.glmmadmb

但是，我认为您可能正在寻找$S（方差 - 协方差矩阵）和$sd_S（方差 - 协方差估计的 Wald 标准误差）（尽管如上所述，我不认为真的有问题）。

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？

见第 15 个vignette("glmmADMB",package="glmmADMB")：

MCMC 输出glmmADMB未完全翻译。它包括，按顺序：

  • pz零通胀参数（原始）
  • fixed effect parameterscoef()以与or 的结果相同的方式命名fixef()。
  • tmpL方差（标准差量表）
  • tmpL1方差-协方差矩阵的相关/非对角元素（相关矩阵的 Cholesky 因子的非对角元素）。（如果您需要将这些转换为相关性，您将需要构建对角线上为 1 的相关矩阵并计算叉积 CC^T（请参阅tcrossprod）；如果这对您没有意义，请联系维护人员）
  • alpha过度离散/尺度参数
  • u随机效应（未缩放：这些可以使用估计的随机效应标准偏差来缩放VarCorr()）
于 2013-11-29T20:39:03.850 回答