使用MCMCglmm在Preor中设置G，具有分类响应和系统发育

我不熟悉R中的MCMCglmm包，一般来说对glm模型也比较陌生。我有一个物种特征的数据集，以及它们是否被引入了它们的本土范围之外

我想测试引入（作为二进制0/1响应变量）是否可以用任何物种特征来解释。我还想纠正物种间的系统发育

我被告知，对于二进制响应，我可以使用family=“threshold”，并将剩余方差修正为1。但是我在前面的测试中遇到了一些其他参数的问题

我已经为随机效果指定了R值，但是如果我指定了R，我还必须指定G，我不清楚如何确定这个参数的值。我已尝试输入默认值，但收到错误消息：

Error in MCMCglmm(fixed, random = ~species, data = data2, family = "threshold",  : 
prior$G has the wrong number of structures

我已经阅读了帮助案例和课程，但没有找到一个具有二进制响应的示例，我也不清楚如何确定优先级的值。这就是我到目前为止所做的：

fixed=Intro_binary ~ Trait1+ Trait2 + Trait3 
Ainv=inverseA(redTree1)$Ainv

binary_model = MCMCglmm(fixed, random=~species, data = data, family = "threshold", ginverse=list(species=Ainv),
 prior = list( 
    G = list(),    #not sure about the parameters for random effects.
    R = list(V = 1, fix = 1)),  #to fix the residual variance at one
  nitt = 60000, burnin = 10000) 

---

任何帮助或反馈都将不胜感激

对于您提供的信息，这一点有点棘手。我想说，您可以在使用之前将

G

定义为“弱”：

priors <- list(R = list(V = 1, nu = 0.002),
               G = list(V = 1, fix = 1)))

binary_model <- MCMCglmm(fixed, random = ~species, data = data,
                         family = "threshold",
                         ginverse = list(species = Ainv),
                         prior = priors,
                         nitt = 60000, burnin = 10000) 

优先级