JAGS/WinBUGS中的嵌套随机效应

我对在JAGS中拟合以下嵌套随机效应模型感兴趣

SAS代码

proc nlmixed data=data1 qpoints=20;

    parms beta0=2 beta1=1 ;
    bounds vara >=0, varb_a >=0;
     eta = beta0+ beta1*t+ b2+b3;
    p = exp(eta)/(1+exp(eta));
    model TestResult ~ binary(p);
     random b2 ~ normal(0,vara) subject = HHcode;
     random b3 ~ normal(0,varb_a) subject = IDNo_N(HHcode);
    run;

我的问题：如何指定随机效果部分？

我对个人进行了多次测量。这些个体进一步嵌套在家庭中。注：每个家庭的个人数量各不相同

---

期待您的来信

让我们假设我们有两个向量，指示数据点所属的房屋和个人（这些是您需要创建的内容，在

R

中，您可以通过

as.numeric

将系数更改为numeric来创建这些内容）。所以，如果我们有来自2个房子和5个人的10个数据点，它们会是这样的

house_vec=c（1,1,1,1,1,1,1,2,2）

#1号房屋得6分，2号房屋得4分

ind#u vec=c（1,1,2,2,3,3,4,4,5,5）

#每个人都有两个观察结果

N=10

#数据点数量

因此，上面的向量告诉我们第一个房子里有3个个体（因为

house_vec

的前6个元素是

1

，而

ind_vec

的前6个元素的范围是1到3），第二个房子里有2个个体（house_vec的最后4个元素是2，

ind_vec

的最后4个元素是4和5）。有了这些向量，我们可以在JAG中进行嵌套索引来创建您的随机效果结构。类似这样就足够了。这些向量将在data.list中提供，您必须在

TestResult

中包含这些向量

for(i in 1:N){
mu_house[house_vec[i]] ~ dnorm(0, taua)
mu_ind[ind_vec[i]] ~ dnorm(mu_house[house_vec[i]], taub_a)
}

# priors
taua ~ dgamma(0.01, 0.01) # precision
sda <- 1 / sqrt(taua) # derived standard deviation
taub_a ~ dgamma(0.01, 0.01) # precision
sdb_a <- 1 / sqrt(taub_a) # derived standard deviation

---

然后，您需要为

beta0

和

beta1

设置优先级。非常感谢您的支持。感谢您抽出时间帮助我，我非常感谢

for(i in 1:N){
logit(p[i]) <- beta0 + beta1 * t + mu_ind[ind_vec[i]]
TestResult[i] ~ dbern(p[i])
}