在MCMCglmm中重复测量

Question

我正在分析我给出的一些数据，它的设置如下：

• 2个网站
• 每个站点有30棵树（树在站点中嵌套）
• 每棵树12个分支（每个方向的分支 - 每个冠层的N，S，E，W - 向上，中间，低）（重复测量）
• 因变量是昆虫的枝条损伤（每枝分枝受损的比例）

目标是确定树木内的昆虫损害是否发生变化（从我们看不到主要方向影响和冠层水平明显影响的数据）

我想使用MCMCglmm对这些数据进行建模，我在网站中嵌套树，方法如下编码（其中DF是我的数据框）：

 DF$Tr<-Df$Site:Df$Tree 

我的MCMCglmm模型如下：

prior1 = list(R = list(V = 1, nu = 0.002), G = list(G1 = list(V =  1, nu = 0.002)))

Fit1<-MCMCglmm(cbind(Damage,No.dam) ~ Crown+Dir+Site, random = ~Tr, family="multinomial2", prior = prior1, data=DF,verbose=F)

我对如何在模型中指定重复测量感到困惑。我想我需要用      rcov~units 或      rcov~idh(Tr):units

然而，我并不完全确定哪个是正确的（或者我可能完全偏离轨道）。我是一名研究生，所以我还在学习统计数据，我的部门没有人使用这些类型的模型，我发现很难找到我需要的帮助。

提前感谢任何建议！

Answer 1

1. 对于初学者来说，如果我很了解您的实验说明，那么不仅是树木，而且树枝都是重复的。因此，我会将分支ID作为随机变量，以考虑重复的测量，而不是树ID。
2. 如果您设置二进制结果具有两个单独的特征（两列带有cbind），则您的分布类型应为“ multinomial2”。

This article可能有助于理解如何使用MCMCglmm对二进制结果进行建模。如果您对建模（例如统计信息）有更多疑问，而不是MCMCglmm的工作原理有更多疑问，则可以在Cross Validated上获得更好的答案。

关于rcov： 我认为令人困惑的是，GLMM用于处理重复测量中残差的相关性。因此，将重复变量放入残差的var-协方差矩阵中感觉很自然，但是实际上，通过使用重复测量分组项作为随机因子已经处理了协方差。因此，默认rcov = units应该可以。