使用 MCMCglmm 预先设置 G，具有分类响应和系统发育

Question

我是 R 中 MCMCglmm 包的新手，一般来说，我对 glm 模型还是很陌生。我有一个物种特征数据集，以及它们是否被引入到它们的原生范围之外。

我想测试是否可以通过任何物种特征来解释被引入（作为二进制 0/1 响应变量）。我还想纠正物种之间的系统发育。

有人告诉我，对于二元响应，我可以使用 family =“threshold”，我应该将残差方差固定为 1。但是我在处理之前所需的其他参数时遇到了一些问题。

我已经为随机效应指定了 R 值，但是如果我指定 RI 还必须指定 G 并且我不清楚如何决定这个参数的值。我试过设置默认值，但收到错误消息：

Error in MCMCglmm(fixed, random = ~species, data = data2, family = "threshold",  : 
prior$G has the wrong number of structures

我已经阅读了帮助小插曲和课程，但还没有找到一个二进制响应的例子，我不清楚如何决定先验值。这是我到目前为止：

fixed=Intro_binary ~ Trait1+ Trait2 + Trait3 
Ainv=inverseA(redTree1)$Ainv

binary_model = MCMCglmm(fixed, random=~species, data = data, family = "threshold", ginverse=list(species=Ainv),
 prior = list( 
    G = list(),    #not sure about the parameters for random effects.
    R = list(V = 1, fix = 1)),  #to fix the residual variance at one
  nitt = 60000, burnin = 10000) 

任何帮助或反馈将不胜感激！

Answer 1

对于您提供的信息来说，这有点棘手。我想说你可以G在使用之前将其定义为“弱”：

priors <- list(R = list(V = 1, nu = 0.002),
               G = list(V = 1, fix = 1)))

binary_model <- MCMCglmm(fixed, random = ~species, data = data,
                         family = "threshold",
                         ginverse = list(species = Ainv),
                         prior = priors,
                         nitt = 60000, burnin = 10000) 

然而，如果没有更多关于您的分析的信息，我强烈建议您绘制后验图来查看结果，看看是否有任何问题。查看课程笔记MCMCglmm包，了解有关如何设置这些先验的更多信息（特别是第 1.5 节中不该做的事情 - 您还可以找到有关如何将其调整到您的模型（如果它符合以下类别）的更多具体信息教程）。