Question

我正在尝试使用R中的BayesFactor包为其中一种固定效果计算贝叶斯因子（BF）。

数据具有以下结构：

rating是因变量
cond是具有3个级别（"A"，"B"，"C"）的自变量
C1是源自cond的对比度代码，它与"A"和-0.50（"B"（编码为"C"）相对（两者都编码为-0.25）
C2是源自cond的对比代码，它与"B"（编码-0.50）与"C"（编码+0.5）相对；并且"A"被编码为0）
judge和face是随机因素，因此face与judge交叉但嵌套在cond内（因此也嵌套在{ {1}}和C1）

C2

理想情况下，我想测试“完整”模型，如下所示：

DT <- fread("http://matschmitz.github.io/dataLMM.csv")
DT[, judge := factor(judge)]
DT[, face  := factor(face)]

# > DT
#       judge face cond    C1  C2 rating
#    1:    66   13    A -0.50 0.0      1
#    2:    20   13    A -0.50 0.0      4
#    3:    22   13    A -0.50 0.0      7
#    4:    69   13    A -0.50 0.0      1
#    5:     7   13    A -0.50 0.0      3
#   ---                                 
# 4616:    45   62    C  0.25 0.5      2
# 4617:    30   62    C  0.25 0.5      6
# 4618:    18   62    C  0.25 0.5      4
# 4619:    40   62    C  0.25 0.5      3
# 4620:    65   62    C  0.25 0.5      1

并计算library(lmerTest) lmer(rating ~ C1 + C2 + (1 + C1 + C2|judge) + (1|face), data = DT)的BF。

我设法计算了C1的BF，但仅具有随机截距：

C1

我尝试不成功this solution来包含随机斜率：

library(BayesFactor)

BF1 <- lmBF(rating ~ C1 + C2 + judge + face, whichRandom = c("judge", "face"), data = DT)
BF0 <- lmBF(rating ~ C2 + judge + face, whichRandom = c("judge", "face"), data = DT)
BF10 <- BF1 / BF0

# > BF10
# Bayes factor analysis
# --------------
# [1] C1 + C2 + judge + face : 0.4319222 ±15.49%
# 
# Against denominator:
#   rating ~ C2 + judge + face 
# ---
# Bayes factor type: BFlinearModel, JZS

如果可能的话，我还需要包括BF1 <- lmBF(rating ~ C1 + C2 + judge + face + C1:judge + C2:judge, whichRandom = c("judge", "face", "C1:judge", "C2:judge"), data = DT) # Some NAs were removed from sampling results: 10000 in total.的随机截距和斜率之间的相关性。

请随时在答案中使用其他任何程序包（例如judge，rstan）。

一些其他问题：

我需要在BF10上执行任何转换，还是可以将其解释为它？
默认优先级是什么？

Answer 1

协变量必须是一个“因素”。在您的情况下，不仅需要“判断”，“面部”，“ C1”和“ C2”，而且还需要考虑因素。

DT$C1 = factor(DT$C1)

R中线性混合模型的贝叶斯因子

1 个答案: