R 它是估算MCMCglmm的适当的先验规范吗?
我正在写我的博士论文,试图通过使用R中的“MCMCglmm”软件包来拟合广义线性混合效应模型。我反复阅读了Jarrod的有用教程材料。然而,关于priors规范,仍然有一些问题我没有弄清楚 在我的研究中,因变量是参与家庭节能计划的人数(计数结果)。在大约三年的时间里,对360个社区中的每个社区每天重复测量数据(因此数据相当大,n=371520)。此外,这些社区位于不同的地区(总共90个地区)。因此 纵向每日计数数据嵌套在地区内的社区内。我的研究旨在调查哪些因素会影响此类计划的(每日)参与者人数。基本模型为(过度分散)泊松模型:R 它是估算MCMCglmm的适当的先验规范吗?,r,glm,mcmc,R,Glm,Mcmc,我正在写我的博士论文,试图通过使用R中的“MCMCglmm”软件包来拟合广义线性混合效应模型。我反复阅读了Jarrod的有用教程材料。然而,关于priors规范,仍然有一些问题我没有弄清楚 在我的研究中,因变量是参与家庭节能计划的人数(计数结果)。在大约三年的时间里,对360个社区中的每个社区每天重复测量数据(因此数据相当大,n=371520)。此外,这些社区位于不同的地区(总共90个地区)。因此 纵向每日计数数据嵌套在地区内的社区内。我的研究旨在调查哪些因素会影响此类计划的(每日)参与者人数。
#give the priors
prior.poi <- list(R = list(V = diag(1), nu = 0.002, n=0, fix=1),
G = list(
G1=list(V = diag(3)*0.02, nu =4),
G2=list(V=diag(3)*0.02, nu=4)
))
#fit the model
model.poi <- MCMCglmm(y ~ 1 + t + x + x:t + t2 + t3 + t4 + c1 + c2 + c3 + d1 + d2 + d3,
random = ~ us(1 + t + x):no_c + us(1 + t + x):no_d,
rcov = ~idh(1):units,
family = "poisson",
data = dat.big,
prior = prior.poi,
burnin = 15000, nitt = 65000, thin = 50)
#给出优先级
Previor.poi我想这个问题在Stack Exchange统计站点(它也有一个r
标签)上可能会得到更好的答案,所以我投票决定将您的帖子迁移到该站点。如果有足够多的人这样做,它将自动为您迁移。如果你不想等待这种情况发生,你可以在交叉验证网站上发表你自己的文章,并在这里删除你的文章。我认为这个问题可能会在一个统计堆栈交换网站(它也有一个r
标签)上得到更好的答案,所以我投票决定将你的文章迁移到该网站。如果有足够多的人这样做,它将自动为您迁移。如果你不想等待这种情况发生,你可以在交叉验证网站上发表你自己的文章,并在这里删除你的文章。
#give the priors
prior.hp <- list(R = list(V = diag(2), nu = 0.002, n=0, fix=1),
G = list(
G1=list(V = diag(6)*0.02, nu =7),
G2=list(V=diag(6)*0.02, nu=7)
)
)
#fit the model
model.hp <- MCMCglmm(y ~ -1 + trait + trait:t + trait:x + trait:x:t + trait:t2 + trait:t3 + trait:t4 + trait:c1 + trait:c2 + trait:c3 + trait:d1 + trait:d2 + trait:d3,
random = ~ us(trait + trait:t + trait:x):no_c + us(trait + trait:t + trait:x):no_d,
rcov = ~idh(trait):units,
family = "hupoisson",
data = dat.big,
prior = prior.hp,
burnin = 15000, nitt = 65000, thin = 50,
pr = T, pl = T)