响应为一定比例时的Logistic回归(使用JAG) [英] Logistic regression when response is a proportion (using JAGS)

问题描述

我正在尝试将Logistic回归模型拟合到JAGS中，但我得到的数据形式为(#Success y，#Trips n)，而不是二进制变量。在R中，您可以通过使用带有"Weight"参数的GLM(y/n~)来将模型与这样的数据相匹配，但我不确定如何在JAG中匹配该模型。

这里有一个简单的例子，我希望它能解决我想要问的问题。请注意，我使用的是rjgs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)
}"

推荐答案

您根本不需要在数据集中计算p。只要让它成为模型中的逻辑节点即可。我更喜欢R2jags接口，它允许您以R函数的形式指定错误模型...

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"))

这篇关于响应为一定比例时的Logistic回归(使用JAG)的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！