โมเดลลำดับชั้นสำหรับการเปรียบเทียบหลายรายการ - บริบทผลลัพธ์หลายรายการ


10

ฉันเพิ่งได้รับการอ่านของเจลแมนทำไมเรา (ปกติ) ไม่ต้องกังวลกับการเปรียบเทียบหลาย ๆครั้ง โดยเฉพาะอย่างยิ่งในส่วน "ผลลัพธ์ที่หลากหลายและความท้าทายอื่น ๆ "กล่าวถึงการใช้แบบจำลองลำดับชั้นสำหรับสถานการณ์เมื่อมีมาตรการที่เกี่ยวข้องหลายรายการจากบุคคล / หน่วยเดียวกันในเวลาและเงื่อนไขที่แตกต่างกัน ดูเหมือนว่าจะมีคุณสมบัติที่ต้องการจำนวนมาก

ฉันเข้าใจว่านี่ไม่จำเป็นต้องเป็นสิ่งที่เบย์ ใครบางคนสามารถแสดงให้ฉันเห็นวิธีการสร้างโมเดลหลายตัวแปรหลายระดับอย่างถูกต้องโดยใช้ rjags และ / หรือ lmer (JAGS และ BUGS ปกติควรจะดีเช่นกัน ผลลัพธ์ที่ตรงกันข้าม ประเภทของสถานการณ์ที่ฉันต้องการให้แบบจำลองนั้นสะท้อนให้เห็นในข้อมูลของเล่นด้านล่าง (หลายตัวแปร, การวัดซ้ำ):

set.seed(69)
id     <- factor(rep(1:20, 2))                # subject identifier
dv1    <- c(rnorm(20), rnorm(20,  0.8, 0.3))  # dependent variable 1 data for 2 conditions
dv2    <- c(rnorm(20), rnorm(20,  0.3, 0.6))
dv3    <- c(rnorm(20), rnorm(20, -0.3, 0.8))
dv4    <- c(rnorm(20), rnorm(20,  0.2, 1  ))
dv5    <- c(rnorm(20), rnorm(20,  0.5, 4  ))
rmFac  <- factor(rep(c(1, 2), each=20))       # repeated measures factor
dvFac  <- factor(rep(1:5, each=40))           # dependent variable indicator

dfwide <- data.frame(id, dv1, dv2, dv3, dv4, dv5, rmFac)
dflong <- data.frame(id, dv = c(dv1, dv2, dv3, dv4, dv5), rmFac, dvFac) # just in case it's easier?

สำหรับฉันมันไม่ชัดเจนว่าคำถามของคุณคือ ... ฉันหายไปที่เครื่องหมายคำถาม :)
ราสมูส Baath

@ RasmusBååthฉันเห็นด้วยฉันได้แก้ไขมันโดยหวังว่าจะทำให้มันชัดเจนยิ่งขึ้นในสิ่งที่ฉันต้องการ ขอบคุณ
Matt Albrecht

คำตอบ:


3

ฉันคิดว่าฉันมีวิธีแก้ปัญหาบางส่วนที่สมเหตุสมผลสำหรับโมเดล Bayesian ตามลำดับชั้น rjagsรหัสด้านล่าง ....

dflong$dv <- scale(dflong$dv)[,1]
dataList = list(  
    y = dflong$dv, 
    rmFac  = dflong$rmFac ,
    dvFac  = dflong$dvFac ,
    id     = dflong$id ,
    Ntotal = length(dflong$dv) ,
    NrmLvl = length(unique(dflong$rmFac)),
    Ndep   = length(unique(dflong$dvFac)),
    NsLvl  = length(unique(dflong$id))
)

modelstring = "
model {
for( i in 1:Ntotal ) {
    y[i] ~ dnorm( mu[i] , tau[rmFac[i], dvFac[i]])
    mu[i] <- a0[ dvFac[i] ] + aS[id[i], dvFac[i]] + a1[rmFac[i] , dvFac[i]]
}
for (k in 1:Ndep){
    for ( j in 1:NrmLvl ) { 
        tau[j, k] <- 1 / pow( sigma[j, k] , 2 )
        sigma[j, k] ~  dgamma(1.01005,0.1005)
    }
}
for (k in 1:Ndep) {
    a0[k] ~ dnorm(0, 0.001)
    for (s in 1:NsLvl){
        aS[s, k] ~ dnorm(0.0, sTau[k])
    }
    for (j in 1:NrmLvl) {
        a1[j, k] ~ dnorm(0, a1Tau[k])
    }
    a1Tau[k] <- 1/ pow( a1SD[k] , 2)
    a1SD[k]  ~ dgamma(1.01005,0.1005)

    sTau[k] <- 1/ pow( sSD[k] , 2)
    sSD[k]  ~ dgamma(1.01005,0.1005)
}
}
" # close quote for modelstring
writeLines(modelstring,con="model.txt")

อีกครั้ง Bayesian ฐานวัดสคริปต์ซ้ำจากKruschke


3

ในที่สุดฉันก็พบวิธีแก้ปัญหาวรรณกรรมกับปัญหาของฉันแบบจำลอง Bayesian สำหรับผลลัพธ์หลาย ๆ อย่างซ้อนกันในโดเมนโดย Thurston et al 2552. พวกเขาเสนอแบบจำลองลำดับชั้นสำหรับโดเมนเดียวหรือหลายโดเมนที่สะท้อนถึงลักษณะของโดเมนที่ขึ้นอยู่กับตัวแปร มันรวมผลแบบสุ่มสำหรับบุคคลและบุคคลทั่วทั้งโดเมน (หากมีหลายโดเมน) นอกจากนี้ยังสามารถขยายได้อย่างง่ายดายเพื่อรวมมาตรการซ้ำหรือการออกแบบตามยาว
หมายเหตุ: ฉันจะโพสต์แบบจำลอง JAGS ที่นี่เพื่อทำคำตอบให้เสร็จในไม่ช้า

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.