Question

我想将一些编码为因子的行为与一个连续的协变量联系起来。潜在的动机是随着动物靠近协变量（与食物的距离），其行为将从搜索（行为1）变为喂养（行为2）。

因此，当动物处于行为1时，协变量应该大（到食物的距离较大），而在接近行为2时以及在这种状态下（到食物的距离短），协变量应该变小。一种皱纹是我有多只动物。

我的数据如下所示：

animalID behaviour 
1         1
1         1      
1         1
1         2
1         2
1         2
1         1
1         1
2         1
2         1
2         1
2         2
2         2
2         2
2         1

我想要这样的东西

animalID behaviour distance
1         1          100
1         1           99
1         1           98
1         2           58
1         2           57
1         2           60
1         1           74
1         1           75
2         1           104
2         1           101
2         1           100
2         2           40
2         2           44
2         2           42
2         1           86

Answer 1

鉴于您没有任何协变量，因此没有太多的选择。做某事的最简单方法就是使用移动平均值并进行适当的变换

如果您确实有一些协变量要使用，并且想做一些更复杂的事情，则可以使用随机/蒙特卡洛方法。 Stan语言使您可以轻松地定义贝叶斯模型并从中进行采样。在这种情况下，您可以定义一个简单的自回归模型：

data {
  int<lower=0> N;  // number of data points
  int<lower=0> animal[N];
  real behaviour[N];
}
parameters {
  real mu[N]; // the values you care about
  real<lower=0> sigma_auto;  // autocorrelation of values
  real<lower=0> sigma_behaviour;  // how close they should be to data
}
model {
  for (i in 2:N) {
    if (animal[i] == animal[i-1]) {
      // autoregressive component of model
      mu[i] ~ normal(mu[i-1], sigma_auto);
    }
  }
  // comparison to data
  behaviour ~ normal(mu, sigma_behaviour);
  // priors
  sigma_auto ~ cauchy(0, 0.05);
  sigma_behaviour ~ cauchy(0, 0.05);
}

代码有点像R，但是我建议阅读manual。您可以通过以下方式运行它：

library(rstan)

df = read.table(text="animalID behaviour 
1         1
...
", header=TRUE)

fit <- stan("model.stan", iter=1000, data=list(
    N=nrow(df),
    animal=df$animalID,
    behaviour=df$behaviour
))

plot(df$behaviour)
mu <- extract(fit, 'mu')$mu
for (i in 1:nrow(mu)) {
    lines(mu[i,], lwd=0.2)
}

stan调用会编译模型（通过C ++编译器）并为iter样本运行它。 extract行将mu的样本拉出后验，然后将其绘制在数据上。

希望有帮助！

如何将数据与因子水平相关联？

1 个答案: