我正在尝试使用R中实现的JAGS将多元模型拟合到物种组成数据中。我有3种相对相对丰度(界于[0,1]之间)的数据,其中两个具有相关性。这是生成相似数据的代码。
#generate some correlated fractional composition data.
y1 <- runif(100,10,200)
y2 <- y1*1.5 + rnorm(100, sd = 5)
y3 <- runif(100,10,200)
total <- y1+y2+y3
y1 <- y1/(total)
y2 <- y2/(total)
y3 <- y3/(total)
y <- data.frame(y1,y2,y3)
y
是我的三个因变量y1
,y2
和y3
的data.frame。我想将仅截距模型拟合到这些数据,考虑使用dirlichet分布(β分布的多元扩展)的因变量之间的协方差。我有点卡住了。我可以使用R中的
runjags
包,使用beta分布精细函数,为单个因变量进行编码,如下所示:library(runjags)
#Write JAGS model, save as R object.
jags.model = "
model{
# priors
a0 ~ dnorm(0, .001)
t0 ~ dnorm(0, .01)
tau <- exp(t0)
# likelihood for continuous component - predicted value on interval (0,1)
for (i in 1:N){
y[i] ~ dbeta(p[i], q[i])
p[i] <- mu[i] * tau
q[i] <- (1 - mu[i]) * tau
logit(mu[i]) <- a0
}
}
"
#generate JAGS data as list.
jags.data <- list(y = y1,
N = length(y1))
#Fit a JAGS model using run.jags
jags.out <- run.jags(jags.model,
data=jags.data,
adapt = 1000,
burnin = 1000,
sample = 2000,
n.chains=3,
monitor=c('a0'))
穆的问题是:如何使用JAGS中的Dirlichet分布(在R中实现)将其扩展到多变量情况?如果我们可以考虑
y
矩阵中的协方差,则有好处。 最佳答案
这是JAGS中使用原始问题中提供的伪数据的直接解决方案。
JAGS数据对象:
y <- as.matrix(y)
jags.data <- list(y = y,
N = nrow(y),
N.spp = ncol(y))
JAGS模型作为R对象
jags.model
:jags.model = "
model {
#setup priors for each species
for(j in 1:N.spp){
m0[j] ~ dgamma(1.0E-3, 1.0E-3) #intercept prior
}
#implement dirlichet
for(i in 1:N){
for(j in 1:N.spp){
log(a0[i,j]) <- m0[j] ## eventually add linear model here
}
y[i,1:N.spp] ~ ddirch(a0[i,1:N.spp])
}
} #close model loop.
"
继续进行模型拟合,监视
m0
截距参数,该参数是一个向量,即每个物种组的截距。#Fit a JAGS model using run.jags
jags.out <- run.jags(jags.model,
data=jags.data,
adapt = 100,
burnin = 100,
sample = 200,
n.chains=3,
monitor=c('m0'))
关于r - 在JAGS中为R拟合多元dirlichet模型,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/49077533/