在MCMCglmm中重复测量

时间:2014-09-10 14:28:07

标签: r statistics modeling

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!

1 个答案:

答案 0 :(得分:0)

  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。