7

我正在尝试使用MCMCglmmR 中的包创建模型。

数据的结构如下，其中 dyad、focal、other 都是随机效应，predict1-2 是预测变量，响应 1-5 是捕获不同亚型观察到的行为的结果变量：

 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
 …

因此，只有一个结果（教学）的模型如下：

 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)

Hadfield 的课程笔记（第 5 章）给出了一个多项模型的示例，该模型仅使用具有 3 个级别的单个结果变量（3 种类型的羊角）。可以在这里找到类似的处理方法：http: //hlplab.wordpress.com/2009/05/07/multinomial-random-effects-models-in-r/这对我正在做的事情不太正确，但包含有用背景资料。

另一个参考资料（Hadfield 2010）给出了一个多响应 MCMCglmm 的示例，它遵循相同的格式，但使用 cbind() 来预测响应向量，而不是单个结果。具有多个响应的相同模型如下所示：

 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)

我在这里有两个编程问题：

  1. 如何为此模型指定先验？我已经查看了这篇文章中提到的材料，但无法弄清楚。

  2. 我运行了一个只有两个响应变量的类似版本，但我只得到一个斜率 - 我认为我应该为每个resp变量得到不同的斜率。我哪里出错了，或者我误解了模型？

4

1 回答 1

7

根据 HLP 帖子和大学/统计顾问的一些帮助，回答我的第一个问题：

# values for prior
k <- 5 # originally: length(levels(dative$SemanticClass)), so k = # of outcomes for SemanticClass     aka categorical outcomes 
I <- diag(k-1) #should make matrix of 0's with diagonal of 1's, dimensions k-1 rows and k-1 columns
J <- matrix(rep(1, (k-1)^2), c(k-1, k-1)) # should make k-1 x k-1 matrix of 1's

对于我的模型，使用multinomial5家庭和 5 个结果变量，先验是：

prior = list(
             R = list(fix=1, V=0.5 * (I + J), n = 4),
             G = list(
               G1 = list(V = diag(4), n = 4))

对于我的第二个问题，我需要在此模型中的固定效应中添加一个交互项：

 m <- MCMCglmm(cbind(Resp1, Resp2...) ~ -1 + trait*predictorvariable,
 ...

结果给出了响应变量的主要影响和响应/预测变量交互的后验估计（预测变量对每个响应变量的影响）。

于 2014-11-19T20:40:02.040 回答