我在Windows上使用R 3.5.0-patched，brms v.2.3.1。
我试图模拟儿童的BMI（体重指数）z分数随着时间的推移。每年有191名儿童（idme）进行为期6年的测量。我将时间编码为学习月份（studymc），以他们开始幼儿园的月份为中心;因此，时间可能是负面的。目前，研究月是唯一的协变量。有趣的是，身高和体重（用于推导BMI z评分）是在不同的研究访问时使用或多或少严格的测量方案测量的，我想说明这一点。测量方法是使用2个虚拟对象（whmeas4和whmeas5）编码的3级类别。最严格的测量协议是参考类别。我正在使用family = student，因为尾部比z分数的预期要胖一些（至少在正面）。作为z分数（年龄 - 性别标准化），我预计studymc的斜率接近零。
我的brms代码是：
fm2 <- bf(bmiz ~ schoolmc + (1 | idme),
sigma ~ whmeas4 + whmeas5 + (1 | idme),
family = "student")
mm2 <- brm(fm2, data = dc, chains = 2)
摘要：
Family: student
Links: mu = identity; sigma = log; nu = identity
Formula: bmiz ~ schoolmc + (1 | idme)
sigma ~ whmeas4 + whmeas5
Data: dc (Number of observations: 1146)
Samples: 2 chains, each with iter = 2000; warmup = 1000; thin = 1;
total post-warmup samples = 2000
Group-Level Effects:
~idme (Number of levels: 191)
Estimate Est.Error l-95% CI u-95% CI Eff.Sample Rhat
sd(Intercept) 0.87 0.05 0.78 0.96 285 1.01
Population-Level Effects:
Estimate Est.Error l-95% CI u-95% CI Eff.Sample Rhat
Intercept 0.19 0.07 0.06 0.32 225 1.01
sigma_Intercept -0.89 0.06 -1.02 -0.77 707 1.00
schoolmc -0.00 0.00 -0.00 0.00 2000 1.00
sigma_whmeas4 0.21 0.09 0.03 0.39 1223 1.00
sigma_whmeas5 0.55 0.08 0.41 0.70 1236 1.00
Family Specific Parameters:
Estimate Est.Error l-95% CI u-95% CI Eff.Sample Rhat
nu 4.08 0.62 3.07 5.43 1025 1.00
Samples were drawn using sampling(NUTS). For each parameter, Eff.Sample
is a crude measure of effective sample size, and Rhat is the potential
scale reduction factor on split chains (at convergence, Rhat = 1).
我不确定如何解释-0.89的sigma_Intercept估计值。由于与方差的其他组成部分的居中/偏移，它是否为负数？或者我应该添加非负前置？我认为默认的先前是非负面的。
当我运行假设方差不变的模型时，我得到z分数的预期方差估计：孩子内SD ^ 2 +西格玛^ 2等于大约1.我很抱歉我无法提供任何样本数据（负责任的政府机构都不允许），但没有什么不寻常之处。我只包括完整的案例（目前）并且没有极端值（全部在+/- 5 SD内）。