MCMCglmm：提取建模固定效应的后验答案

【问题标题】：MCMCglmm: extract posterior se of modeled fixed effectsMCMCglmm：提取建模固定效应的后验
【发布时间】：2020-12-16 03:04:13
【问题描述】：

我需要从我的模型中提取每个固定效应的后验 SE 估计。

出于说明目的，与我正在使用的数据集类似的数据集将是基础R 中的ChickWeight 数据集。

我为我的固定效应提取后验估计和区间的方式是这样的：

#load package
library(lme4)

#model
m.surv<-lmer(weight ~ Time + Diet + (1|Chick), data=ChickWeight)

#load packages
library(MCMCglmm)
library(arm)

#set up for fixed effects
sm.surv<-sim(m.surv)
smfixef.surv=sm.surv@fixef
smfixef.surv=as.mcmc(smfixef.surv)

#which gives
> posterior.mode(smfixef.surv)
(Intercept)        Time       Diet2  ... 
  8.5963329   8.7034260   5.1220436  ...
> HPDinterval(smfixef.surv)
                   lower      upper
(Intercept) -0.90309142 21.3617805
Time         8.42279728  9.0306337
Diet2       -6.84371527 35.1745980
...
attr(,"Probability")
[1] 0.95
>

关于如何修改我的代码以提取固定效果的 SE（Time 和 Diet2）有什么建议吗？

【问题讨论】：

标签： r bayesian mcmc standard-error

【解决方案1】：

您可能希望从smfixef.surv 的摘要统计信息中提取它们。

s <- summary(smfixef.surv)$statistics
s[grep("Time|Diet", rownames(s)), grep("SE", colnames(s))]
#         Naive SE Time-series SE
# Time  0.02046371     0.02046371
# Diet2 0.96785150     0.96785150
# Diet3 1.02553234     1.02553234
# Diet4 1.07393122     1.66512213

【讨论】：

朴素 SE 和时序 SE 有什么区别？
@BlunderingEcologist 根据?coda:::summary.mcmc，“平均 [忽略] 链的自相关的朴素标准误差 ... [而] 时间序列标准误差 [是] 基于0" 处的光谱密度。