Question

我正在运行spBayes以适应'偏移'模型y~1。

我有一个像这样的数据框

    ID   lon   lat      y
1   A  90.0  5.9  0.957096100
2   A  90.5  6.0  0.991374969
3   A  91.1  6.0  0.991374969
4   A  92.7  6.1  0.913501740
5   A  94.0  6.1  0.896575928
6   A  97.8  5.2  0.631320953
7   A  98.9  4.4 -0.282432556
8   A 101.2  2.8  1.829053879
9   A 102.3  2.0  0.993621826
10  A 105.8  0.5  0.038677216

其中变量ID是具有两个级别A和B的因子。我想找到两个ID的偏移量。但是，当我跑

时

fit.by.ALL <- spLM(formula=y ~ ID, data= df, coords=coords, 
               priors=priors, tuning=tuning, starting=starting,
               cov.model = "exponential", n.samples = n.samples, verbose = TRUE, 
               n.report = 50)

给出结果

Iterations = 1:251
Thinning interval = 1 
Number of chains = 1 
Sample size per chain = 251 

1. Empirical mean and standard deviation for each variable,
   plus standard error of the mean:

               Mean     SD Naive SE Time-series SE
(Intercept)  1.0736 2.8674  0.18099        0.18099
IDB          -0.9188 0.1922  0.01213        0.01213

2. Quantiles for each variable:

              2.5%    25%     50%     75%   97.5%
(Intercept) -4.952 -0.773  1.1059  3.0165  6.4824
IDB         -1.303 -1.048 -0.9284 -0.7679 -0.5795

结果不喜欢非常稳定，因为每次运行它都会不断变化。

此外，要找到ID B的最终偏移量，我需要将（截取）平均值添加到IDB均值中，它对SD有什么作用？

为两个ID单独运行spLM公式（y~1而不是y~ID）会更好吗？

由于

Answer 1

我不清楚你的意思＆＃34;适合偏移模型y~1＆＃34;。当我读到这篇文章时，我认为你想要一个只有拦截的模型，但是进一步阅读它表明你想要一个模型，你可以用这个模型来估算两组的平均值，这可以用

来完成。

y ~ 0+ID # manually remove the intercept,

回答你的问题：

结果并不是很稳定，因为它每次都在不断变化我跑了。

您没有使用很多次迭代。尝试运行更多迭代。通过足够的迭代，结果应该是稳定的。

此外，要找到ID B的最终偏移量，我需要将（截取）平均值添加到IDB均值中，它对SD有什么作用？

同样，我不确定你的偏移是什么意思，但如果你的意思是你想要A组和B组之间的平均值差异，这就是你在IDB开头的那一行。也就是说，-0.9188是B组和A组之间平均值的估计差异，即B组平均值估计比B组平均值小0.9188，SD是后标准偏差。

如果您对B组的意思感兴趣，那么您必须将（拦截）添加到IDB，但您不能简单地添加SD。这里有两个选项：1）使用适当的设计矩阵（上面的代码中为X）直接获得所需的参数估计值;或2）获取MCMC样本并计算（截距）和IDB参数的总和对于每次迭代，然后采用这些总和的均值和标准差。

为两个ID单独运行spLM公式（y~1而不是y~ID）会更好吗？

如果单独运行它们，那么您将分别估算空间参数。如果两个不同组中的空间参数不同，则单独运行它们会很有意义。如果它们是相同的（或类似的）那么将两个组合在一起可能更有意义，这样你就可以“借用信息”＃34;关于这两组之间的空间参数。

SpBayes用于偏移模型

1 个答案: