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：

    #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)