Question

我正在尝试在JAGS中使用逻辑回归模型，但我有（#success y，＃attempts n）形式的数据，而不是二进制变量。在R中，可以通过使用glm（y / n~）和“weights”参数将模型拟合到这些数据，但我不确定如何在JAGS中使用它。

这是一个简单的例子，我希望解决我想要问的问题。请注意，我使用的是rjags包。谢谢你的帮助！

y <- rbinom(10, 500, 0.2)
n <- sample(500:600, 10)
p <- y/n
x <- sample(0:100, 10) # some covariate

data <- data.frame(y, n, p, x)

model <- "model{
# Specify likelihood
for(i in 1:10){
    y[i] ~ dbin(p[i], n[i])
    logit(p[i]) <- b0 + b1*x
}

# Specify priors
b0 ~ dnorm(0, 0.0001)
b1 ~ dnorm(0, 0.0001)
}"

Answer 1

您根本不需要在数据集中计算p。让它成为模型中的逻辑节点。我更喜欢R2jags接口，它允许您以R函数的形式指定BUGS模型...

jagsdata <- data.frame(y=rbinom(10, 500, 0.2),
                   n=sample(500:600, 10),
                   x=sample(0:100, 10))
model <- function() {
    ## Specify likelihood
    for(i in 1:10){
        y[i] ~ dbin(p[i], n[i])
        logit(p[i]) <- b0 + b1*x[i]
    }
    ## Specify priors
    b0 ~ dnorm(0, 0.0001)
    b1 ~ dnorm(0, 0.0001)
}

现在运行它：

library("R2jags") 
jags(model.file=model,data=jagsdata,
     parameters.to.save=c("b0","b1"))

响应是一个比例时的逻辑回归（使用JAGS）

1 个答案: