একাধিক তুলনার জন্য শ্রেণিবদ্ধ মডেল - একাধিক ফলাফলের প্রসঙ্গ

Question

আমি সবেমাত্র (পুনরায়) জেলম্যান্স কেন পড়ছি (সাধারণত) আমাদের একাধিক তুলনা সম্পর্কে চিন্তা করতে হবে না । বিশেষত "একাধিক ফলাফল এবং অন্যান্য চ্যালেঞ্জগুলি" বিভাগে পরিস্থিতিতে যখন বিভিন্ন সময় / শর্তে একই ব্যক্তি / ইউনিট থেকে একাধিক সম্পর্কিত ব্যবস্থা নেওয়া হয় তখন পরিস্থিতিগুলির জন্য একটি শ্রেণিবদ্ধ মডেল ব্যবহারের কথা উল্লেখ করা হয়। এটিতে বেশ কয়েকটি পছন্দসই বৈশিষ্ট্য রয়েছে বলে মনে হয়।

আমি বুঝতে পারি যে এটি অগত্যা কোনও বায়েশিয়ান জিনিস নয়। কেউ কী আমাকে rjags এবং / অথবা lmer ব্যবহার করে মাল্টিভারিয়েট মাল্টিলেভেল মডেলটি সঠিকভাবে তৈরি করতে পারেন তা জানতে পারেন (নিয়মিত জেএজেএস এবং বিইউজিও ঠিকঠাক হওয়া উচিত, পাশাপাশি অন্যান্য মিশ্র মডেল লাইব্রেরি যেমন, এমসিএমসিজিএমএম) যাতে তুলনা করার জন্য আমি এটির সাথে চারদিকে খেলতে পারি এবং বিপরীতে ফলাফল? আমি যে পরিস্থিতির জন্য একটি মডেল চাই তা নীচের খেলনা ডেটাতে প্রতিবিম্বিত হয় (মাল্টিভারিয়েট, পুনরাবৃত্তি ব্যবস্থা):

set.seed(69)
id     <- factor(rep(1:20, 2))                # subject identifier
dv1    <- c(rnorm(20), rnorm(20,  0.8, 0.3))  # dependent variable 1 data for 2 conditions
dv2    <- c(rnorm(20), rnorm(20,  0.3, 0.6))
dv3    <- c(rnorm(20), rnorm(20, -0.3, 0.8))
dv4    <- c(rnorm(20), rnorm(20,  0.2, 1  ))
dv5    <- c(rnorm(20), rnorm(20,  0.5, 4  ))
rmFac  <- factor(rep(c(1, 2), each=20))       # repeated measures factor
dvFac  <- factor(rep(1:5, each=40))           # dependent variable indicator

dfwide <- data.frame(id, dv1, dv2, dv3, dv4, dv5, rmFac)
dflong <- data.frame(id, dv = c(dv1, dv2, dv3, dv4, dv5), rmFac, dvFac) # just in case it's easier?

Comments

আমার জন্য এটি আপনার প্রশ্নটি কী তা পরিষ্কার নয় ... আমি সেই প্রশ্ন চিহ্নটি মিস করছি :)

— রাসমাস বুথ

@ রাসমুসবুথ আমি সম্মতি জানাই, আমি কী চাই তা স্পষ্ট করে তুলতে আমি এটি সম্পাদনা করেছি। ধন্যবাদ।

— ম্যাট অ্যালব্রেক্ট

Answer 1

আমি মনে করি আমি শ্রেণিবদ্ধ বায়েশিয়ান মডেলের জন্য একটি যুক্তিসঙ্গত আংশিক সমাধান পেয়েছি। rjagsনীচে কোড ....

dflong$dv <- scale(dflong$dv)[,1]
dataList = list(  
    y = dflong$dv, 
    rmFac  = dflong$rmFac ,
    dvFac  = dflong$dvFac ,
    id     = dflong$id ,
    Ntotal = length(dflong$dv) ,
    NrmLvl = length(unique(dflong$rmFac)),
    Ndep   = length(unique(dflong$dvFac)),
    NsLvl  = length(unique(dflong$id))
)

modelstring = "
model {
for( i in 1:Ntotal ) {
    y[i] ~ dnorm( mu[i] , tau[rmFac[i], dvFac[i]])
    mu[i] <- a0[ dvFac[i] ] + aS[id[i], dvFac[i]] + a1[rmFac[i] , dvFac[i]]
}
for (k in 1:Ndep){
    for ( j in 1:NrmLvl ) { 
        tau[j, k] <- 1 / pow( sigma[j, k] , 2 )
        sigma[j, k] ~  dgamma(1.01005,0.1005)
    }
}
for (k in 1:Ndep) {
    a0[k] ~ dnorm(0, 0.001)
    for (s in 1:NsLvl){
        aS[s, k] ~ dnorm(0.0, sTau[k])
    }
    for (j in 1:NrmLvl) {
        a1[j, k] ~ dnorm(0, a1Tau[k])
    }
    a1Tau[k] <- 1/ pow( a1SD[k] , 2)
    a1SD[k]  ~ dgamma(1.01005,0.1005)

    sTau[k] <- 1/ pow( sSD[k] , 2)
    sSD[k]  ~ dgamma(1.01005,0.1005)
}
}
" # close quote for modelstring
writeLines(modelstring,con="model.txt")

আবার বেস বেসিয়ান পুনরায় ক্রুশকে থেকে স্ক্রিপ্ট মাপল

Answer 2

আমি অবশেষে আমার সমস্যার বায়েসিয়ান মডেলগুলির একাধিক ফলাফলের জন্য থুরস্টন এট আলোর ডোমেনগুলিতে বাসা জন্য সাহিত্যের সমাধান পেয়েছি । ২০০৯. তারা একক বা একাধিক ডোমেনের জন্য একটি শ্রেণিবদ্ধ মডেল প্রস্তাব করে যা ভেরিয়েবলের ডোমেন নির্ভর প্রকৃতির প্রতিফলন করে। এটি ডোমেন জুড়ে ব্যক্তি এবং ব্যক্তিদের জন্য এলোমেলো প্রভাব সংহত করে (যদি একাধিক ডোমেন থাকে)। পুনরাবৃত্তি ব্যবস্থা বা অনুদৈর্ঘ্য নকশাগুলি অন্তর্ভুক্ত করার জন্য এটি সহজেই বাড়ানো যেতে পারে।
দ্রষ্টব্য: খুব শীঘ্রই উত্তরটি সম্পূর্ণ করতে আমি এখানে একটি জাএজিএস মডেল পোস্ট করব