답변:
R을 여러 가지 방법으로 사용하여 다중 분산 GLMM을 포아송 분포 (과도 분산)로 맞출 수 있습니다. 몇몇 R
패키지는 : lme4
, MCMCglmm
, arm
, 등 좋은 참조가 볼 겔만과 힐 (2007)
에 rjags
패키지를 사용 하여이 작업을 수행하는 예제를 제공합니다 R
. R
와 JAGS
(와 OpenBUGS
또는 사이)의 인터페이스 WinBUGS
입니다.
로그 θ I J = β 0 + β 1 T R E t m의 E N 마에 I + δ I J δ I J ~ N ( 0 , σ (2) ε ) 내가 = 1 ... I ,
rate models
JAGS
data{
for (i in 1:I){
ncount[i,1] <- obsTrt1[i]
ncount[i,2] <- obsTrt2[i]
## notice I have only 2 treatments and I individuals
}
}
model{
for (i in 1:I){
nCount[i, 1] ~ dpois( means[i, 1] )
nCount[i, 2] ~ dpois( means[i, 2] )
log( means[i, 1] ) <- mu + b * trt1[i] + disp[i, 1]
log( means[i, 2] ) <- mu + b * trt2[i] + disp[i, 2]
disp[i, 1] ~ dnorm( 0, tau)
disp[i, 2] ~ dnorm( 0, tau)
}
mu ~ dnorm( 0, 0.001)
b ~ dnorm(0, 0.001)
tau ~ dgamma( 0.001, 0.001)
}
여기입니다 R
그것을 사용을 구현하는 코드 (그것의 이름은 말은 : overdisp.bug
)
dataFixedEffect <- list("I" = 10,
"obsTrt1" = obsTrt1 , #vector of n_i1
"obsTrt2" = obsTrt2, #vector of n_i2
"trt1" = trt1, #vector of 0
"trt2" = trt2, #vector of 1
)
initFixedEffect <- list(mu = 0.0 , b = 0.0, tau = 0.01)
simFixedEffect <- jags.model(file = "overdisp.bug",
data = dataFixedEffect,
inits = initFixedEffect,
n.chains = 4,
n.adapt = 1000)
sampleFixedEffect <- coda.samples(model = simFixedEffect,
variable.names = c("mu", "b", "means"),
n.iter = 1000)
meansTrt1 <- as.matrix(sampleFixedEffect[ , 2:11])
meansTrt2 <- as.matrix(sampleFixedEffect[ , 12:21])
매개 변수의 후부를 가지고 놀 수 있으며 더 많은 매개 변수를 도입하여 모델링을보다 정확하게 만들 수 있습니다 ( 우리는 이것을 생각합니다 ). 기본적으로 아이디어를 얻습니다.
사용에 대한 자세한 내용 rjags
과 JAGS
, 참조하시기 바랍니다 존 마일스 화이트의 페이지를
과대 산포를 설명하기 위해 lme4 패키지를 떠날 필요가 없습니다. 관찰 번호에 대한 임의의 효과를 포함하십시오. 언급 된 BUGS / JAGS 솔루션은 아마도 과도 할 것입니다. 그렇지 않은 경우 비교를 위해 lme4 결과를 쉽게 맞출 수 있어야합니다.
data$obs_effect<-1:nrow(data)
overdisp.fit<-lmer(y~1+obs_effect+x+(1|obs_effect)+(1+x|subject_id),data=data,family=poisson)
이 여기에 설명되어 있습니다 : http://article.gmane.org/gmane.comp.lang.r.lme4.devel/4727 비공식적 학문적으로 Elston 등. (2001) .
glmmADMB 패키지는 정확히 당신이 찾고있는 것이라고 생각합니다.
install.packages ( "glmmADMB", repos = "http://r-forge.r-project.org")
그러나 베이지안 관점에서 MCMCglmm 패키지 또는 BUGS / JAGS 소프트웨어를 사용할 수 있으며 매우 유연하며 이러한 종류의 모델에 적합합니다. (구문은 R에 가깝습니다)
@randel 덕분에 편집
glmmADMB
및 R2admb
패키지 를 설치하려면 다음 을 수행하는 것이 좋습니다.
install.packages("glmmADMB", repos="http://glmmadmb.r-forge.r-project.org/repos")
install.packages("R2admb")
install.packages("glmmADMB",repos="http://glmmadmb.r-forge.r-project.org/repos")
plus 통해 설치되어야한다고 생각합니다 install.packages('R2admb')
.