在R中提取lme4模型随机效应的后验估计和可信区间

我需要从我的模型中提取随机效应的后验估计和区间

出于说明目的，与我使用的数据集类似的数据集是base R中的

ChickWeight

数据集

我提取固定效应的后验估计值和区间的方法如下：

#load package
library(lme4)

#model
m.surv<-lmer(weight ~ Time + Diet + (1|Chick), data=ChickWeight)

#load packages
library(MCMCglmm)
library(arm)

#set up for fixed effects
sm.surv<-sim(m.surv)
smfixef.surv=sm.surv@fixef
smfixef.surv=as.mcmc(smfixef.surv)

#which gives
> posterior.mode(smfixef.surv)
(Intercept)        Time       Diet2  ... 
  8.5963329   8.7034260   5.1220436  ...
> HPDinterval(smfixef.surv)
                   lower      upper
(Intercept) -0.90309142 21.3617805
Time         8.42279728  9.0306337
Diet2       -6.84371527 35.1745980
...
attr(,"Probability")
[1] 0.95
>

mcmc.list（x）中出错：参数必须是mcmc对象

关于如何修改代码以提取随机效果的这些值，有什么建议吗？

其他用户注意：如果模型为MCMCglmm模型，则可按如下方式提取随机效果MCMC输出的后验模式值：

---

要提取随机效果的估计值和95%置信区间，请使用以下代码：

sm.surv <-sim(m.surv)

#between Chick variance
bChick <-sm@ranef$Chick[,,1]
bvar<-as.vector(apply(bChick, 1, var)) #between ind variance posterior distribution
bvar<-as.mcmc(bvar)
posterior.mode(bvar) #mode of the distribution
HPDinterval(bvar)

---

这意味着估计值为501，下95%区间为412，上95%区间为630

str（sm.surv）

建议

sm。surv@ranef

和

sm。surv@fixef

是相当不同的，这是有意义的。在r中，

fixef

是提取固定效应估计的函数，

ranef

是提取随机效应估计的函数。您可能希望使用

merTools

软件包。或者，可能是一个

rstan

实现来扩展Henry的评论，str（smfixef.surv）显示smfixef.surv是一个100x5矩阵。str（ramranef.surv）显示smranef.surv是一个包含100x50x1数组的列表。在提取smranef.surv=as.mcmc（smranef.surv[[1]][，1]）时，我能够作为.mcmc（）应用。我认为这是可行的，因为？as.mcmc揭示该函数采用向量或矩阵，而不是列表或更高维数组。@fausto.siegmund确实有助于它的运行！然而，输出（可能这是因为随机效应不同于固定效应）包括随机效应中每个水平的估计和区间，而不是一个总体估计和区间。有没有关于如何正确整合这些值的想法，以便对随机效应有一个估计和一组区间？

posterior.mode(sm.surv$VCV[,1])
HPDinterval(sm.surv$VCV[,1])

sm.surv <-sim(m.surv)

#between Chick variance
bChick <-sm@ranef$Chick[,,1]
bvar<-as.vector(apply(bChick, 1, var)) #between ind variance posterior distribution
bvar<-as.mcmc(bvar)
posterior.mode(bvar) #mode of the distribution
HPDinterval(bvar)

>     posterior.mode(bvar)
     var1 
     501.24353 
>     HPDinterval(bvar)
      lower   upper
var1 412.36042 630.201
attr(,"Probability")
[1] 0.95