多重比较的分层模型 - 多重结果上下文

机器算法验证 多重比较 多层次分析 lme4-nlme 锯齿 分层贝叶斯
2022-03-26 21:22:36

我刚刚（重新）阅读了 Gelman 的为什么我们（通常）不必担心多重比较。特别是 “多个结果和其他挑战”部分提到使用分层模型来处理同一个人/单位在不同时间/条件下的多个相关措施。它似乎具有许多理想的特性。

我知道这不一定是贝叶斯的事情。有人可以告诉我如何使用 rjags 和/或 lmer（常规的 JAGS 和 BUGS 以及其他混合模型库，例如 MCMCglmm）正确构建多变量多级模型，以便我可以使用它来比较和对比结果？我想要一个模型的情况类型反映在下面的玩具数据中（多变量，重复测量）： 

set.seed(69)
id     <- factor(rep(1:20, 2))                # subject identifier
dv1    <- c(rnorm(20), rnorm(20,  0.8, 0.3))  # dependent variable 1 data for 2 conditions
dv2    <- c(rnorm(20), rnorm(20,  0.3, 0.6))
dv3    <- c(rnorm(20), rnorm(20, -0.3, 0.8))
dv4    <- c(rnorm(20), rnorm(20,  0.2, 1  ))
dv5    <- c(rnorm(20), rnorm(20,  0.5, 4  ))
rmFac  <- factor(rep(c(1, 2), each=20))       # repeated measures factor
dvFac  <- factor(rep(1:5, each=40))           # dependent variable indicator

dfwide <- data.frame(id, dv1, dv2, dv3, dv4, dv5, rmFac)
dflong <- data.frame(id, dv = c(dv1, dv2, dv3, dv4, dv5), rmFac, dvFac) # just in case it's easier?
2个回答

我想我已经为分层贝叶斯模型找到了一个合理的部分解决方案。rjags下面的代码...... 

dflong$dv <- scale(dflong$dv)[,1]
dataList = list(  
    y = dflong$dv, 
    rmFac  = dflong$rmFac ,
    dvFac  = dflong$dvFac ,
    id     = dflong$id ,
    Ntotal = length(dflong$dv) ,
    NrmLvl = length(unique(dflong$rmFac)),
    Ndep   = length(unique(dflong$dvFac)),
    NsLvl  = length(unique(dflong$id))
)

modelstring = "
model {
for( i in 1:Ntotal ) {
    y[i] ~ dnorm( mu[i] , tau[rmFac[i], dvFac[i]])
    mu[i] <- a0[ dvFac[i] ] + aS[id[i], dvFac[i]] + a1[rmFac[i] , dvFac[i]]
}
for (k in 1:Ndep){
    for ( j in 1:NrmLvl ) { 
        tau[j, k] <- 1 / pow( sigma[j, k] , 2 )
        sigma[j, k] ~  dgamma(1.01005,0.1005)
    }
}
for (k in 1:Ndep) {
    a0[k] ~ dnorm(0, 0.001)
    for (s in 1:NsLvl){
        aS[s, k] ~ dnorm(0.0, sTau[k])
    }
    for (j in 1:NrmLvl) {
        a1[j, k] ~ dnorm(0, a1Tau[k])
    }
    a1Tau[k] <- 1/ pow( a1SD[k] , 2)
    a1SD[k]  ~ dgamma(1.01005,0.1005)

    sTau[k] <- 1/ pow( sSD[k] , 2)
    sSD[k]  ~ dgamma(1.01005,0.1005)
}
}
" # close quote for modelstring
writeLines(modelstring,con="model.txt")

同样，来自Kruschke的基本贝叶斯重复测量脚本

我终于找到了解决我的问题贝叶斯模型的文献解决方案，用于嵌套在Thurston 等人的域中的多个结果。2009. 他们为单个或多个域提出了一个层次模型，该模型反映了变量的域依赖性质。它包含跨域的个人和个人的随机效应（如果有多个域）。它也可以很容易地扩展到包括重复测量或纵向设计。
注意：我将在此处发布 JAGS 模型以尽快完成答案

其它你可能感兴趣的问题
上一篇何时在模型中包含随机效应 下一篇Matlab中使用互信息进行特征选择