Question

我执行了MCMCglmm（MCMCglmm包）。以下是此模型的摘要

 Iterations = 3001:12991
 Thinning interval  = 10
 Sample size  = 1000 

 DIC: 211.0108 

 G-structure:  ~Region

       post.mean  l-95% CI u-95% CI eff.samp
Region    0.2164 5.163e-17    0.358     1000

 R-structure:  ~units

      post.mean l-95% CI u-95% CI eff.samp
units    0.5529   0.1808    1.045    449.3

 Location effects: Abondance ~ Human_impact/Fish.sp 

                                   post.mean  l-95% CI  u-95% CI eff.samp  pMCMC    
(Intercept)                         1.335628  0.780363  1.907249    642.4  0.004 ** 
Human_impact                        0.005781 -0.294084  0.347743    876.6  0.914    
Human_impact:Fish.spA. perideraion -0.782846 -1.158798 -0.399131    649.9 <0.001 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

系数在哪里？
post.mean是后验分布的平均值？
post.mean可以某种方式被认为是标准lm
eff.samp是什么意思？
我如何找到自由度？
此模型基于贝叶斯统计。这是对的吗？

Answer 1

您可以使用MCMCglmm包

中的 summary.MCMCglmm

类“MCMCglmm”的摘要方法。返回的对象适合使用print.summary.MCMCglmm方法进行打印。

DIC 偏差信息标准

fixed.formula 固定期限的模型公式

random.formula 随机项的模型公式

residual.formula 剩余项的模型公式

solutions 后平均，95％HPD间期，MCMC p值和固定（和随机）效应的有效样本大小

Gcovariances 后验均值，95％HPD间期和随机效应（共）方差分量的有效样本量

Rcovariances 后验平均值，95％HPD间期和残余（共）方差分量的有效样本量

cutpoints 后序平均值，95％HPD间期和序数模型切点的有效样本量

csats 链长，老化和稀疏间隔

Gterms 通过随机公式

中定义的组件术语对随机效应（共）方差进行索引

我的印象是MCMCglmm没有实现“真正的”贝叶斯glmmm。与频率模型类似，除了固定参数β和随机效应的“G”方差之外，还有g（E（y | u））=Xβ+ Zu并且在色散参数φ1上存在先验要求。

但是根据这个MCMCglmm vignette，在MCMCglmm中实现的模型由g（E（y | u，e））=Xβ+ Zu + e给出，并且它不涉及色散参数φ1。它与经典的频率模型不相似。

自由度
mcmcglmm是MCMCglmm（）函数的包装器。包装函数允许协方差矩阵上的两个defualt先验的两个变体。对于逆Wishart先验，两个默认值为InvW，其将自由度参数设置为等于每个协方差矩阵的维度，并且将InvG设置为逆Gamma先验，其将自由度参数设置为0.002多于一个而不是协方差矩阵的维数。

R：了解MCMCglmm的输出

1 个答案: