R:理解 MCMCglmm 的输出

Question

我执行了 MCMCglmm(MCMCglmm 封装)。这是该模型的摘要

 Iterations = 3001:12991
 Thinning interval  = 10
 Sample size  = 1000 

 DIC: 211.0108 

 G-structure:  ~Region

       post.mean  l-95% CI u-95% CI eff.samp
Region    0.2164 5.163e-17    0.358     1000

 R-structure:  ~units

      post.mean l-95% CI u-95% CI eff.samp
units    0.5529   0.1808    1.045    449.3

 Location effects: Abondance ~ Human_impact/Fish.sp 

                                   post.mean  l-95% CI  u-95% CI eff.samp  pMCMC    
(Intercept)                         1.335628  0.780363  1.907249    642.4  0.004 ** 
Human_impact                        0.005781 -0.294084  0.347743    876.6  0.914    
Human_impact:Fish.spA. perideraion -0.782846 -1.158798 -0.399131    649.9 <0.001 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

1. 系数在哪里？
2. post.mean是后验分布的均值？
3. post.mean 是否可以在某种程度上被视为相当于标准 lm 的估计
4. eff.samp 是什么意思？
5. 如何找到自由度？
6. 该模型基于贝叶斯统计。正确吗？

Answer 1

您可以使用MCMCglmm包中的summary.MCMCglmm

“MCMCglmm”类的摘要方法。返回的对象适合使用 print.summary.MCMCglmm 方法打印。

DIC 偏差信息标准

固定公式 固定项的模型公式

随机.公式 随机项的模型公式

残差.公式 残差项的模型公式

解决方案 后验平均值、95% HPD 区间、MCMC p 值和固定(和随机)效应的有效样本量

Gcovariances 后验均值、95% HPD 区间和随机效应 (co) 方差分量的有效样本量

协方差 后验均值、95% HPD 区间和残余(协)方差分量的有效样本量

切点 序数模型的后验均值、95% HPD 区间和切点的有效样本量

csats 链长、老化和稀疏间隔

Gterms 通过随机公式中定义的分量项来索引随机效应(协)方差

我的印象是 MCMCglmm 没有实现“真正的”贝叶斯 glmmm。与频率论模型类似，有 g(E(y∣u))=Xβ+Zu，除了固定参数 β 和随机效应 u 的“G”方差之外，还需要对分散参数 phi1 进行先验.

但是根据这个MCMCglmm vignette ，MCMCglmm 中实现的模型由 g(E(y∣u,e))=Xβ+Zu+e 给出，并且不涉及色散参数 phi1。它与经典的频率论模型并不相似。

自由度
mcmcglmm 是 MCMCglmm() 函数的包装器。包装函数允许协方差矩阵上两个默认先验的两个变体。两个默认值是 InvW(用于逆 Wishart 先验)，它将自由度参数设置为等于每个协方差矩阵的维数；InvG(用于逆 Gamma 先验)，它将自由度参数设置为 0.002 多一少比协方差矩阵的维度。