基于MCMCglmm的R变量贝叶斯误差（总最小二乘）模型

我正在使用

R

中的

MCMCglmm

包拟合一些贝叶斯线性混合模型。我的数据包括用误差测量的预测值。因此，我想建立一个考虑到这一点的模型。我的理解是

MCMCglmm

中的基本混合效应模型将仅使响应变量的误差最小化（如

ols

回归）。换句话说，垂直误差将最小化。我希望最小化与回归线/平面/超平面正交的误差

是否可能在变量中拟合错误（也称为最小总误差） 使用

MCMCglmm

或必须使用JAGS/STAN来 这样做

是否有可能使用多个预测值来实现这一点 相同的模型（我有一些模型有3个或4个预测值，每个预测值都经过测量 有错误吗

如果可能，我将如何指定模型

我在下面包含了一个数据集，其中包含一个随机变量

高度

，该变量通过误差进行测量，以说明使用

MCMCglmm

进行的基本设置

library(nlme)
library(MCMCglmm)

data(Orthodont)

set.seed(1234)

Orthodont$height <- c(rnorm(54, 170, 10), rnorm(54, 150, 10))

prior1 <- list(
    B = list(mu = rep(0, 3), V = diag(1e+08, 3)), 
    G = list(G1 = list(V = 1, nu = 1, alpha.mu = 0, alpha.V = 1000)), 
    R = list(V = 1, nu = 0.002)
)

model1 <- MCMCglmm(
    fixed = distance ~ height + Sex,   
    random = ~ Subject, 
    rcov = ~ units,
    data = Orthodont, 
    family = "gaussian",  
    prior = prior1,
    nitt = 1.1e+4, 
    thin = 10, 
    burnin = 1e+3,
    verbose = FALSE
)

summary(model1)

库（nlme）
图书馆（MCMCglmm）
数据（正畸）
种子集（1234）
矫正高度