我正在尝试在JAGS中拟合逻辑回归模型,但是我有(#成功y,#次尝试n)形式的数据,而不是二进制变量。在R中,可以通过将glm(y/n〜)与“weights”参数一起使用来使模型适合此类数据,但是我不确定如何将其适合于JAGS。

这是一个简单的例子,我希望能解决我要问的问题。请注意,我正在使用rjags包。谢谢你的帮助!

y <- rbinom(10, 500, 0.2)
n <- sample(500:600, 10)
p <- y/n
x <- sample(0:100, 10) # some covariate

data <- data.frame(y, n, p, x)

model <- "model{
# Specify likelihood
for(i in 1:10){
    y[i] ~ dbin(p[i], n[i])
    logit(p[i]) <- b0 + b1*x
}

# Specify priors
b0 ~ dnorm(0, 0.0001)
b1 ~ dnorm(0, 0.0001)
}"

最佳答案

您根本不需要在数据集中计算p。只要让它成为模型中的逻辑节点即可。我更喜欢R2jags接口(interface),它允许您以R函数的形式指定BUGS模型。

jagsdata <- data.frame(y=rbinom(10, 500, 0.2),
                   n=sample(500:600, 10),
                   x=sample(0:100, 10))
model <- function() {
    ## Specify likelihood
    for(i in 1:10){
        y[i] ~ dbin(p[i], n[i])
        logit(p[i]) <- b0 + b1*x[i]
    }
    ## Specify priors
    b0 ~ dnorm(0, 0.0001)
    b1 ~ dnorm(0, 0.0001)
}

现在运行它:
library("R2jags")
jags(model.file=model,data=jagsdata,
     parameters.to.save=c("b0","b1"))

关于r - 响应成比例时的逻辑回归(使用JAGS),我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/29977578/

10-14 17:00