基于MCMCglmm的R变量贝叶斯误差(总最小二乘)模型
我正在使用基于MCMCglmm的R变量贝叶斯误差(总最小二乘)模型,r,linear-regression,bayesian,mixed-models,mcmc,R,Linear Regression,Bayesian,Mixed Models,Mcmc,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
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
MCMCglmm
或必须使用JAGS/STAN来
这样做李>
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