Question

我正在对寄生虫和体重的普遍程度进行比较分析。这些数据来自51种鸟类，因此我必须纠正系统发育的独立性。

我进行了两次分析，一次使用简单的GLM，然后使用MCMCGLMM，包括系统发育作为随机因子。

现在我怀疑：两种模型的结果完全不同，使用GLM我得到了非常显着的相关性，但是MCMCGLMM根本没有相关性，但λ值非常低，几乎为零，这意味着结果从两个分析来看应该不会太大。这让我觉得我可能犯了一个错误。

以下是代码和结果：

GLM

m0 <- glm(cbind(M_inf,M_not_inf)~log(M.bs), data = df, family = binomial())

摘要（M0）

Call:
glm(formula = cbind(M_inf, M_not_inf) ~ log(M.bs), family = binomial(), data = df)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-18.025   -1.222    1.294    4.059    9.615  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -1.46888    0.14458 -10.160   <2e-16 ***
log(M.bs)    0.17192    0.02369   7.256    4e-13 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

Null deviance: 1181.7  on 50  degrees of freedom
Residual deviance: 1127.6  on 49  degrees of freedom
AIC: 1315.2

Number of Fisher Scoring iterations: 4

GLMM

inv.phylo<-inverseA(Species,nodes="TIPS",scale=TRUE)

prior<-list(G=list(G1=list(V=1,nu=0.02)),R=list(V=1,nu=0.02))

m1 <- MCMCglmm(cbind(M_inf,M_not_inf)~log(M.bs),random=~Species,
         family="multinomial2",
         ginverse=list(Species=inv.phylo$Ainv),prior=prior,
         data=df,nitt=5000000,burnin=1000,thin=500)

lambda1 <- m1$VCV[,"Species"]/(m1$VCV[,"Species"]+m1$VCV[,"units"])
mean(lambda1)

摘要（M1）

Iterations = 1001:4999501
Thinning interval  = 500
Sample size  = 9998 

DIC: 3101.985 

G-structure:  ~Species

   post.mean l-95% CI u-95% CI eff.samp
Species    0.1828 0.001691    0.736     9689

 R-structure:  ~units

   post.mean l-95% CI u-95% CI eff.samp
units      2.44    1.343    3.719     9998

 Location effects: cbind(M_inf, M_not_inf) ~ log(M.bs) 

     post.mean l-95% CI u-95% CI eff.samp pMCMC
(Intercept)   0.19983 -1.86335  2.14110     9998 0.836
log(M.bs)    -0.03204 -0.35361  0.27118     9563 0.838

平均（lambda1） [1] 0.06234505

有什么想法？非常感谢

用lambda 0表示系统发育的MCMCglmm不同于GLM

0 个答案: