Что такое `trait:units` и `variance.function(trait):units` в MCMCglmm?

Я пытаюсь выполнить MCMCglmm такого рода

df=data.frame(y=rep(c(0:2),each=12),x=rnorm(3*12))
MCMCglmm(data=df,fixed=y~x, family="categorical")

и я получаю сообщение об ошибке

For error structures involving catgeorical data with more than 2 categories pleasue use trait:units or variance.function(trait):units.

Я бегло просмотрел курсовые заметки Джаррода Хэдфилда, но не нашел подробностей об этом обозначении и его значении.

Что означают обозначения trait:units и variance.function(trait):units? Как бы их обычно использовали?

Я приветствую вас, например, рассмотреть команду

 m <- MCMCglmm(LetVerb ~ -1 + trait + trait:(Channel + CrSem + MS),
random = ~us(trait):Vinf, rcov = ~ us(trait):units, data = letting,
family = "categorical", prior = priors, verbose = TRUE, burnin =
10000, nitt = 60000, thin = 50)

с третьей страницы этого учебника


r statistics bayesian mcmc glm
person Remi.b    schedule 23.10.2016    source источник
comment
Вы когда-нибудь находили решение своего вопроса? Имея ту же проблему.   -  person xv70    schedule 28.02.2017
comment
Я не смог бы разработать ответ, так как большая часть внутреннего механизма MCMCglmm все еще очень неясна для меня, но мне удалось решить мою проблему. В итоге я получил априор, например prior <- list(R = list(V=diag(n-1),nu=0.02,fix = 1)) , где n — количество уровней переменной ответа. Затем пробег MCMCglmm( data=myData, fixed= Response ~ trait:(expl1) + trait:(expl2), rcov=~us(trait):units, family="categorical",prior = prior)   -  person Remi.b    schedule 28.02.2017

Ответы (1)


arrow_upward
0
arrow_downward

Что касается вопроса об обозначениях, см. мой ответ на связанный пост здесь.

Все ответы на ваши вопросы есть в конспектах курса Джаррода Хэдфилда. Вам нужно будет прочитать спецификацию остаточной дисперсии для полиномиальных моделей в разделе 5. Но вкратце, опция rcov = ~ us(trait):units позволяет моделировать неограниченную структуру остаточной дисперсии, т.е. т. е. остаточные дисперсии для разных категорий ответов могут быть смоделированы гетероскедастически (с разными дисперсиями для разных категорий) и несферически (позволяя любым парным остаточным ковариациям категорий быть ненулевыми).

person marsarius    schedule 09.08.2017