r - 使用 glmmadmb 解释 mcmc 输出

Question

我正在尝试使用 glmmadmb 评估负二项式混合模型的输出。为了总结输出，我将汇总函数与 mcmc 选项的输出进行比较。我已经运行了这个模型:

         pre1 <- glmmadmb(walleye~(1|year.center) + (1|Site) ,data=pre,    
             family="nbinom2",link="log",
             mcmc=TRUE,mcmc.opts=mcmcControl(mcmc=1000))

我有两个随机截取:年份和站点。年有 33 个级别，站点有 15 个。

来自 summary(pre1) 的站点和年份的随机效应参数估计似乎与来自 mcmc 输出的后验分布不一致。我使用 50% 置信区间作为估计值，该估计值应该与汇总函数的参数估计值一致。那不正确吗？有没有办法使用汇总函数来获得随机效应参数周围的误差来衡量这是否是方差问题？我尝试将 postvar=T 与 ranef 一起使用，但这不起作用。另外，有没有办法用信息丰富的行名称格式化 mcmc 输出以确保我使用正确的估计？

glmmabmb 的总结输出:
总结(pre1)

Call:
glmmadmb(formula = walleye ~ (1 | year.center) + (1 | Site), 
data = pre, family = "nbinom2", link = "log", mcmc = TRUE, 
mcmc.opts = mcmcControl(mcmc = 1000))

AIC: 4199.8 

Coefficients:
        Estimate Std. Error z value Pr(>|z|)    
 (Intercept)    3.226      0.154      21   <2e-16 ***

 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Number of observations: total=495, year.center=33, Site=15 
Random effect variance(s):
Group=year.center
             Variance StdDev
 (Intercept)   0.1085 0.3295
 Group=Site
             Variance StdDev
 (Intercept)   0.2891 0.5377

 Negative binomial dispersion parameter: 2.0553 (std. err.: 0.14419)

 Log-likelihood: -2095.88 

mcmc 输出:
m <- as.mcmc(pre1$mcmc)
CI <- t(apply(m,2,quantile,c(0.025,0.5,0.975)))

                    2.5%          50%         97.5%
(Intercept)  2.911667943  3.211775843  3.5537371345
tmpL.1       0.226614903  0.342206509  0.4600328729
tmpL.2       0.395353518  0.554211483  0.8619127547
alpha        1.789687691  2.050871824  2.3175742167
u.01         0.676758365  0.896844797  1.0726750539
u.02         0.424938481  0.588191585  0.7364795440

这些估计继续到 u.48 以包括年份和地点特定系数。

预先感谢您对此问题的任何想法。
蒂芙尼

Answer 1

The random effect parameter estimate for site and year from summary(pre1) do not seem to agree with the posterior distribution from the mcmc output. I am using the 50% confidence interval as the estimate that should coincide with the parameter estimate from the summary function. Is that incorrect?

这不是 50% 的置信区间，而是 50% 的分位数(即中位数)。年间和站点间标准差的拉普拉斯近似值的点估计分别为 {0.3295,0.5377} ，这似乎非常接近 MCMC 中位数估计值 {0.342206509,0.554211483} ...如下所述，MCMC tmpL参数是随机效应标准偏差，而不是方差——这可能是你困惑的主要原因？

Is there a way to obtain an error around the random effect parameter using the summary function to gauge whether this is variance issue? I tried using postvar=T with ranef but that did not work.

lme4包(不是 glmmadmb 包)允许通过 ranef(...,condVar=TRUE) 估计条件模式的方差(即与特定水平相关的随机效应) ( postVar=TRUE 现在已弃用)。有关条件模式不确定性的等效信息可通过 ranef(model,sd=TRUE) 获得。 (见 ?ranef.glmmadmb)。

但是，我认为您可能正在寻找 $S (方差-协方差矩阵)和 $sd_S (方差-协方差估计的 Wald 标准误差)代替(尽管如上所述，我认为这真的没有问题)。

Also, Is there a way to format the mcmc output with informative row names to ensure I'm using the proper estimates?

见第。第 15 篇 vignette("glmmADMB",package="glmmADMB") :

The MCMC output in glmmADMB is not completely translated. It includes, in order:

pz零通胀参数(原始)

fi xed effect parameters以与coef()的结果相同的方式命名或fixef() .

tmpL方差(标准差量表)

tmpL1方差-协方差矩阵的相关/非对角元素(相关矩阵的 Cholesky 因子的非对角元素)。 (如果您需要将这些转换为相关性，您需要在对角线上构建相关矩阵，并计算叉积 CC^T(请参阅 tcrossprod)；如果这对您没有意义，请联系维护者)

alpha过度分散/尺度参数

u随机效应(未缩放:这些可以使用来自 VarCorr() 的估计随机效应标准偏差进行缩放)