JAGS

我在JAGS中有一个仅拦截逻辑模型,定义如下:

model{
for(i in 1:Ny){
    y[i] ~ dbern(mu[s[i]])
}
for(j in 1:Ns){
    mu[j] <- ilogit(b0[j])
    b0[j] ~ dnorm(0, sigma)
}

sigma ~ dunif(0, 100)
}

当我绘制b0所有受试者(即所有受试者b0[j])崩溃的后验分布时,我的95%HDI包括0:-0.55 to 2.13.每个有效样本大小超过10,000 b0(平均大约18,000).诊断看起来不错.

glmer()

现在,这是等效的glmer()模型:

glmer(response ~ 1 + (1|subject), data = myData, family = "binomial")

然而,该模型的结果如下:

Random effects:
Groups  Name        Variance Std.Dev.
speaker (Intercept) 0.3317   0.576   
Number of obs: 1544, groups:  subject, 27

Fixed effects:
            Estimate Std. Error z value Pr(>|z|) …

我是JAGS的新手,我正在尝试进行简单的逻辑回归.我的数据文件非常简单:响应是二进制的,我使用的一个预测器有三个级别.像这样:

col1: 1 2 2 2 1 1 1 2 1 2 ... 
col2: HLL, HLL, LHL, LLL, LHL, HLL ...

虚拟编码

等级col2是HLL, LHL, LLL.我虚拟编码并创建了一个如下所示的数据框:

(intercept) HLL LHL LLL
1           1   0   0   1
2           1   0   0   1
4           1   0   0   1
5           1   0   1   0
6           1   0   1   0
7           1   0   0   1

数据清单

myList然后,我的数据文件()如下所示:

List of 5
$ y  : num [1:107881] 2 2 2 2 2 2 …