に指定しています。依存関係のあるベクトルy
には、共変量x1
とx2
の関数としてモデル化できるデータがあります。 y
およびx1
が「プロット」レベルで観察され、x2
が「サイト」レベルで観察される。プロットはサイト内で階層的にネストされます。関連する共変量データを伴うy
の100回の観察があります。JAGSの階層モデルをR
#generate covariate data at plot and site scales.
x1 <- runif(100,0,1) #100 plot level observations of x1
x2 <- runif(10,10,20) #10 site level observations of x2
#generate site values - in this case characters A:J
site_1 <- LETTERS[sort(rep(seq(1,10, by = 1),10))]
site_2 <- LETTERS[sort(seq(1,10, by = 1))]
#put together site level data - 10 observations for 10 sites.
site_data <- data.frame(site_2,x2)
colnames(site_data) <- c('site','x2')
#put together plot level data - 100 observations across 10 sites
plot_data <- data.frame(site_1,x1)
colnames(plot_data) <- c('site','x1')
plot_data <- merge(plot_data,site_data, all.x=T) #merge in site level data.
#pick parameter values.
b1 <- 10
b2 <- 0.2
#y is a function of the plot level covariate x1 and the site level covariate x2.
plot_data$y <- b1*plot_data$x1 + b2*plot_data$x2 + rnorm(100)
#check that the model fits. it does.
summary(lm(y ~ x1 + x2, data = plot_data))
Iは基本的部位当たりx2
10倍のサイトレベルの観測を複製データフレームplot_data
を用いジャグにx1
とx2
問題なしの関数としてy
をモデル化することができます。私は本当にしかし、やりたい何
は階層的にな[i]
サイトプロットレベルの観察と[j]
インデックスを示し y[i] ~ x1[i] + x2[j]
、というモデルに適合しています。これを行うには、以下のJAGSコードを変更するにはどうすればよいですか?
#fit a JAGS model
jags.model = "
model{
# priors
b1 ~ dnorm(0, .001)
b2 ~ dnorm(0, .001)
tau <- pow(sigma, -2)
sigma ~ dunif(0, 100)
#normal model
for (i in 1:N){
y[i] ~ dnorm(y.hat[i], tau)
y.hat[i] <- b1*x1[i] + b2*x2[i]
}
} #end model
"
#setup jags data as a list
jd <- list(y=plot_data$y, x1=plot_data$x1, x2=plot_data$x2, N=length(plot_data$y))
library(runjags)
#run jags model
jags.out <- run.jags(jags.model,
data=jd,
adapt = 1000,
burnin = 1000,
sample = 2000,
n.chains=3,
monitor=c('b1', 'b2'))
summary(jags.out)
いつものようにマット!あなたがこの例題にどのようにサイトのランダムな効果を追加するかを追加することができますか、あるいは別の質問を開く価値があると思いますか? – colin
モデルのほんの少しの変更ですので、別の質問は必要ありません。最新の回答をご覧ください。 –