响应为比例时的逻辑回归（使用 JAGS）答案

【问题标题】：Logistic regression when response is a proportion (using JAGS)响应为比例时的逻辑回归（使用 JAGS）
【发布时间】：2015-07-10 17:40:56
【问题描述】：

我正在尝试在 JAGS 中拟合逻辑回归模型，但我有 (# success y, # attempt n) 形式的数据，而不是二元变量。在 R 中，可以通过使用带有“权重”参数的 glm(y/n ~) 将模型拟合到诸如此类的数据，但我不确定如何在 JAGS 中拟合它。

这是一个简单的例子，我希望能解决我想问的问题。请注意，我使用的是 rjags 包。感谢您的帮助！

y <- rbinom(10, 500, 0.2)
n <- sample(500:600, 10)
p <- y/n
x <- sample(0:100, 10) # some covariate

data <- data.frame(y, n, p, x)

model <- "model{
# Specify likelihood
for(i in 1:10){
    y[i] ~ dbin(p[i], n[i])
    logit(p[i]) <- b0 + b1*x
}

# Specify priors
b0 ~ dnorm(0, 0.0001)
b1 ~ dnorm(0, 0.0001)
}"

【问题讨论】：

您的模型用引号括起来。我不熟悉 RJags，但这对我来说似乎不正确。
@Phil，BUGS/JAGS 模型有时会以这种方式指定（然后需要将它们写入临时文件）
这正是为什么我认为我会标记它而不是深入研究并编辑它！很高兴您找到了解决方案。

标签： r logistic-regression jags

【解决方案1】：

您根本不需要在数据集中计算p。让它成为模型中的逻辑节点。我更喜欢R2jags接口，它允许你以R函数的形式指定BUGS模型...

jagsdata <- data.frame(y=rbinom(10, 500, 0.2),
                   n=sample(500:600, 10),
                   x=sample(0:100, 10))
model <- function() {
    ## Specify likelihood
    for(i in 1:10){
        y[i] ~ dbin(p[i], n[i])
        logit(p[i]) <- b0 + b1*x[i]
    }
    ## Specify priors
    b0 ~ dnorm(0, 0.0001)
    b1 ~ dnorm(0, 0.0001)
}

现在运行它：

library("R2jags") 
jags(model.file=model,data=jagsdata,
     parameters.to.save=c("b0","b1"))

【讨论】：