Längsmodelle in R und WINBUGS oder JAGS

8

Ich habe versucht, R für einige Längsmodelle zu verwenden, hauptsächlich über lmerund nlmePakete. Es scheint jedoch, dass viele Standardmodelle fehlen, wie beispielsweise Antedependenzmodelle oder faktoranalytische Modelle für Kovarianzmatrizen. Diese Modelle sind in SAS leicht verfügbar.

Würde jemand andere Pakete für den Job in R empfehlen? Es ist mir eigentlich egal, ob ich in einer frequentistischen oder bayesianischen Welt arbeite, solange ich mehr Flexibilität beim Modellieren habe. Das würde mich auch in WINBUGS / JAGS interessieren.

Antonio Pedro Ramos
quelle
1
Schwer zu raten - vielleicht sollten Sie einen Link posten oder im Detail angeben, welche Modelle Sie verwenden möchten. Sie können in WINBUGS / JAGS alles tun , weil Sie das Modell selbst schreiben. Wenn Sie also genau wissen, was Sie wollen, können Sie es tun.
Neugierig
1
Wenn Sie nach Flexibilität bei der Modellierung suchen, sollten Sie sich auf jeden Fall für WINBUGS / JAGS entscheiden. In R können Sie nur das tun, was sie für Sie vorbereitet haben, aber in Bayesian können Sie absolut alles tun (zum Preis der Lernzeit, und Sie müssen die Modelle sehr gut verstehen).
Neugierig
Ich sehe, dass Sie diese Frage auch gestellt haben bei [email protected]... Es ist am besten, kein Cross-Posting durchzuführen oder zumindest ausdrücklich anzugeben, dass Sie Cross-Posting betreiben. (Ich denke, es r-sig-mixed-modelskönnte sich als fruchtbarer herausstellen.)
Ben Bolker
Ich habe mehrere Datensätze und möchte mit verschiedenen Kovarianzstrukturen experimentieren. Ich habe kein einziges spezifisches Modell, das ich anpassen möchte, sondern ich möchte die meisten grundlegenden Modelle ausprobieren, z. B. die in SAS support.sas.com/rnd/app/papers/glimmix.pdf
1
Übrigens ist dies möglicherweise besser für die Statistik-Stack-Exchange-Site, da es mehr darum geht, nützliche Pakete für diesen bestimmten statistischen Zweck zu finden, als neuen Code in R zu erstellen. Daher kann es auf dieser Website eine viel relevantere Zielgruppe geben .
Iterator

Antworten:

0

Ich bin mir nicht sicher, was Sie damit meinen, dass R keine "faktoranalytischen Modelle für Kovarianzmatrizen" hat. Können Sie klarstellen, was Sie von SAS reproduzieren möchten? Meines Wissens ist dies mit vielen verschiedenen Paketen in R möglich.

In Bezug auf Antedependenzmodelle gibt es auf der Website des Erstautors ein Buch zu diesem Thema, das R-Code und Beispiele enthält .

Ich bin mir nicht sicher, ob WinBUGS Ihnen Glück bringen wird, aber ich würde mit dem oben genannten Lehrbuch beginnen - es scheint für Antedependenzmodelle maßgeblich zu sein. :) :)

Iterator
quelle
1
Vermutlich will das OP die Kovarianzstrukturen hier: support.sas.com/documentation/cdl/en/statug/63033/HTML/default/… ... diese können im Prinzip über die corClassesEinrichtung in konstruiert werden nlme, aber es ist nicht trivial und so Soweit ich weiß, wurde noch nichts getan ...
Ben Bolker
Ich meine, SAS hat viel mehr Optionen für Kovarianzstrukturen als nlme in R, und sie sind alle ausgereift; Vergleiche: support.sas.com/rnd/app/papers/glimmix.pdf mit stat.ethz.ch/R-manual/R-devel/library/nlme/html/corClasses.html
Ich bin auch mit dem erwähnten Buch vertraut, aber für mich liest es sich eher wie ein Theoriebuch mit etwas R-Code, aber ohne ein ausgereiftes R-Paket.
Keine Beleidigung, aber es ist ungenau, "Optionen für Kovarianzstrukturen" zu sagen - ich nehme an, Sie wollen damit sagen, dass SAS mehr Optionen für die Angabe der Kovarianzstrukturen bei der Schätzung der Parameter bestimmter Arten von parametrischen Modellen hat, richtig? Aber wir machen hier keine großen Fortschritte: Was möchten Sie erreichen? Ich habe die GLMMIX-Dokumentation überflogen (was aus statistischer Sicht eher schäbig ist - viel Glanz, nicht viel Mathematik). Was möchten Sie wirklich tun? (Fortsetzung)
Iterator
0

Ich glaube, mit einer leichten Lernkurve, eine der SEM - Pakete in R nutzen könnte: lavaan, OpenMXoder sem. Ich lerne gerade etwas über SEM und diese Pakete, aber es scheint mir, dass lavaanes eine Formelsyntax hat, die der anderen Modellierung ( lm, lmer) in R sehr ähnlich ist , und mit SEM können Sie viele Dinge mit Ihrer Kovarianzstruktur tun.

Wayne
quelle