Зубцов
У меня есть перехватывающая-только логистическая модель в Зубцах, определяются следующим образом:glmer В.С. Jags: разные результатов в секущих-только иерархической модель
model{
for(i in 1:Ny){
y[i] ~ dbern(mu[s[i]])
}
for(j in 1:Ns){
mu[j] <- ilogit(b0[j])
b0[j] ~ dnorm(0, sigma)
}
sigma ~ dunif(0, 100)
}
Когда я участок апостериорное распределение b0
(все b0[j]
), мой 95% ИРЧП включает в себя 0
: -0.55 to 2.13
. Эффективный размер выборки составляет более 10 000 на каждые b0
(в среднем около 18 000). Диагностика выглядит хорошо.
glmer()
Теперь, это эквивалентно glmer()
модель:
glmer(response ~ 1 + (1|subject), data = myData, family = "binomial")
Результатом этой модели, однако, заключается в следующем:
Random effects:
Groups Name Variance Std.Dev.
speaker (Intercept) 0.3317 0.576
Number of obs: 1544, groups: subject, 27
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.7401 0.1247 5.935 2.94e-09 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Так вот он говорит, что моя оценка значительно выше0
.
Что данные выглядят как
Здесь представлены пропорции 0s
и 1s
по этому вопросу. Вы можете видеть, что для подавляющего большинства субъектов доля 1
выше 50%.
Любые идеи, почему JAGS и glmer()
здесь такие разные?
0 1
1 0.47 0.53
2 0.36 0.64
3 0.29 0.71
4 0.42 0.58
5 0.12 0.88
6 0.22 0.78
7 0.54 0.46
8 0.39 0.61
9 0.30 0.70
10 0.32 0.68
11 0.36 0.64
12 0.66 0.34
13 0.38 0.62
14 0.49 0.51
15 0.35 0.65
16 0.32 0.68
17 0.12 0.88
18 0.45 0.55
19 0.36 0.64
20 0.36 0.64
21 0.28 0.72
22 0.40 0.60
23 0.41 0.59
24 0.19 0.81
25 0.27 0.73
26 0.08 0.92
27 0.12 0.88
Спасибо! Но ИРЧП модели JAGS по-прежнему включает в себя 0. Таким образом, эти две модели дают мне разные решения относительно возможного эффекта (и отличается ли он от 0). Ожидается, или эти две модели не эквивалентны ...? –
Вы смотрите на заднюю плотность 'mu0'? –
О, я понимаю, что вы имеете в виду. Нет, я не был. Я сейчас, и это соответствует тому, что я ожидаю от модели glm(). Большое спасибо - я совершенно новый для JAGS, и переход не настолько гладок. –