स्टेन और फ्रंटएंड पैकेज के साथ rstanarm
या brms
मैं बायेसियन तरीके से डेटा का आसानी से विश्लेषण कर सकता हूं जैसा कि मैंने पहले मिश्रित मॉडल के साथ किया था lme
। जबकि मेरे पास मेरी डेस्क पर क्रूसके-गेलमैन-वेगेनमेकर्स-इत्यादि द्वारा अधिकांश पुस्तक और लेख हैं, ये मुझे मेडिकल दर्शकों के लिए परिणामों को संक्षेप में नहीं बताते हैं, बाइसियन के क्रोध के स्काईला और मेडिकल समीक्षकों के चिरबिडीस के बीच फटे "हम महत्व चाहते हैं, सामान को फैलाना नहीं")।
एक उदाहरण: गैस्ट्रिक आवृत्ति (1 / मिनट) को तीन समूहों में मापा जाता है; स्वस्थ नियंत्रण संदर्भ हैं। प्रत्येक प्रतिभागी के लिए कई माप हैं, इसलिए मैं अक्सर मिश्रित मॉडल का उपयोग करता हूं lme
:
summary(lme(freq_min~ group, random = ~1|study_id, data = mo))
थोड़ा संपादित परिणाम:
Fixed effects: freq_min ~ group
Value Std.Error DF t-value p-value
(Intercept) 2.712 0.0804 70 33.7 0.0000
groupno_symptoms 0.353 0.1180 27 3.0 0.0058
groupwith_symptoms 0.195 0.1174 27 1.7 0.1086
सादगी के लिए, मैं 95% CI के रूप में 2 * std त्रुटि का उपयोग करूंगा।
लगातार संदर्भ में, मैंने इसे संक्षेप में बताया है:
- नियंत्रण समूह में अनुमानित आवृत्ति 2.7 / मिनट थी (शायद यहां सीआई जोड़ें, लेकिन मैं इसे कभी-कभी पूर्ण और अंतर सीआई द्वारा बनाई गई भ्रम की वजह से बचता हूं)।
- No_symptoms समूह में, आवृत्ति 0.4 / मिनट, CI (0.11 से 0.59) / मिनट, पी = 0.006 नियंत्रण से अधिक थी।
- With_symptoms समूह में, आवृत्ति 0.2 / मिनट, CI (-0.04 से 0.4) / मिनट, पी = 0.11 नियंत्रण से अधिक थी।
यह चिकित्सा प्रकाशन के लिए अधिकतम स्वीकार्य जटिलता के बारे में है, समीक्षक शायद मुझे दूसरे मामले में "महत्वपूर्ण नहीं" जोड़ने के लिए कहेंगे।
यहाँ stan_lmer
और डिफ़ॉल्ट पुजारियों के साथ भी ऐसा ही है ।
freq_stan = stan_lmer(freq_min~ group + (1|study_id), data = mo)
contrast lower_CredI frequency upper_CredI
(Intercept) 2.58322 2.714 2.846
groupno_symptoms 0.15579 0.346 0.535
groupwith_symptoms -0.00382 0.188 0.384
जहां क्रेडि 90% विश्वसनीय अंतराल हैं (देखें रिस्टारम विगनेट क्यों 90% डिफ़ॉल्ट के रूप में उपयोग किया जाता है)।
प्रशन:
- उपरोक्त सारांश को बायेसियन दुनिया में कैसे अनुवाद करें?
- पूर्व-चर्चा किस हद तक आवश्यक है? मुझे पूरा यकीन है कि जब मैं पुजारियों का उल्लेख करता हूं तो कागज सामान्य "व्यक्तिपरक धारणा" के साथ वापस आ जाएगा; या कम से कम "कोई तकनीकी चर्चा नहीं, कृपया" के साथ। लेकिन सभी Bayesian अधिकारियों का अनुरोध है कि व्याख्या केवल पुजारियों के संदर्भ में मान्य है।
- मैं Bayesian अवधारणाओं को धोखा दिए बिना, सूत्रीकरण में कुछ "महत्व" कैसे प्रदान कर सकता हूं? कुछ "विश्वसनीय रूप से अलग" (ऊऊह ...) या लगभग विश्वसनीय रूप से अलग (बुआ ..., लगता है जैसे "महत्व के शिखर पर")।
जोना गैरी और बेन गुडरिक (2016)। Rstanarm: Bayesian एप्लाइड प्रतिगमन स्टैन के माध्यम से मॉडलिंग। आर पैकेज संस्करण 2.9.0-3। https://CRAN.R-project.org/package=rstanarm
स्टेन डेवलपमेंट टीम (2015)। स्टेन: ए सी ++ लाइब्रेरी फॉर प्रोबेबिलिटी एंड सैंपलिंग, संस्करण २.०.०। URL http://mc-stan.org/ ।
पॉल-क्रिस्चियन बुकेनर (2016)। brms: Bayesian Regression मॉडल स्टेन का उपयोग करते हुए। पैकेज संस्करण 0.8.0। https://CRAN.R-project.org/package=brms
पिनहेइरो जे, बेट्स डी, देबोरॉय एस, सरकार डी और आर कोर टीम (2016)। ल्युमेम: रैखिक और नॉनलाइनर मिश्रित प्रभाव मॉडल । आर पैकेज संस्करण 3.1-124, http://CRAN.R-project.org/package=nlme>।
group_nosymptoms
और फिर कहें कि इसके नकारात्मक होने की संभावना है 1 / draws
। लेकिन अवरोधन के लिए, श्रृंखला कभी भी इन आंकड़ों के लिए नकारात्मक क्षेत्र में भटकने वाली नहीं है, इसलिए मुझे लगता है कि आप कह सकते हैं कि संभावना की तुलना में कम है 1 / draws
।
mean(as.matrix(freq_stan)[,"groupwith_symptoms"] < 0)
।