用glmmadmb解释mcmc输出

Question

我试图用glmmadmb评估负二项式混合模型的输出。为了总结输出，我将总结函数与mcmc选项的输出进行比较。我运行过这样的模型：

         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:年份和网站。年份为33级，场地为15级。

由总结(Pre1)得到的站点和年份的随机效应参数估计似乎与mcmc输出的后验分布不一致。我是使用50%置信区间作为估计，应该与参数估计，从总结函数。这不对吗？是否有一种方法可以在随机效应参数附近获得误差，使用摘要函数来判断这是否是方差问题？我试着在ranef中使用postvar=T，但这不起作用。另外，是否有一种方法可以用信息丰富的行名格式化mcmc输出，以确保我使用的是正确的估计值？

来自glmmabmb的摘要输出:汇总(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(预1美元mcmc) CI <- t(应用(m，2，分位数，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

这些估计数继续保持在-48，包括年份和地点的具体系数。

预先感谢您对这个问题的任何想法。蒂芙尼

Answer 1

由总结(Pre1)得到的站点和年份的随机效应参数估计似乎与mcmc输出的后验分布不一致。我是使用50%置信区间作为估计，应该与参数估计，从总结函数。这不对吗？

这不是50%的置信区间，而是50%的分位数(即中位数)。用拉普拉斯近似估计年内和场地间标准差的点估计值分别是{0.3295,0.5377}，它似乎与MCMC中值估计{0.342206509,0.554211483}相当接近。正如下面所讨论的，MCMC tmpL参数是随机效应的标准偏差，而不是方差--这可能是造成您混淆的主要原因？

是否有一种方法可以在随机效应参数附近获得误差，使用摘要函数来判断这是否是方差问题？我试着在ranef中使用postvar=T，但这不起作用。

lme4包(而不是glmmadmb包)允许通过ranef(...,condVar=TRUE) (postVar=TRUE现在不再推荐)估计条件模式的变化(即与特定级别相关的随机效应)。关于条件模式的不确定性的等效信息可以通过ranef(model,sd=TRUE)获得(参见?ranef.glmmadmb)。

但是，我认为您可能需要$S (方差协方差矩阵)和$sd_S (方差协方差估计的Wald标准误差)(尽管如上所述，我并不认为真的存在问题)。

另外，是否有一种方法可以用信息丰富的行名格式化mcmc输出，以确保我使用的是正确的估计值？

见vignette("glmmADMB",package="glmmADMB")第15页

glmmADMB中的MCMC输出没有被完全转换。它包括，按顺序：

• pz零通货膨胀参数(raw)
• fixed effect parameters的命名方式与coef()或fixef()的结果相同。
• tmpL方差(标准差量表)
• tmpL1相关/方差协方差矩阵的非对角元(相关矩阵的Cholesky因子的非对角线元素)。(如果需要将它们转换为相关性，则需要在对角线上构造具有1的相关矩阵，并计算交叉乘积CC^T (参见tcrossprod)；如果这对您没有意义，请与维护人员联系)
• alpha过色散/尺度参数
• u随机效应(无标度:可以使用估计的随机效应标准偏差与VarCorr()进行缩放)