Modèles longitudinaux en R et WINBUGS ou JAGS

J'ai essayé d'utiliser R pour s'adapter à certains modèles longitudinaux, principalement via lmeret nlmepackages. Cependant, il semble que de nombreux modèles standard font défaut, tels que les modèles d'antidépendance ou les modèles analytiques factoriels pour les matrices de covariance. Ces modèles sont facilement disponibles dans SAS.

Quelqu'un recommanderait-il d'autres packages pour le travail en R? Peu m'importe si je travaille dans un monde fréquentiste ou bayésien tant que j'ai plus de flexibilité de modélisation. Je serais également intéressé à le faire dans WINBUGS / JAGS.

r jags panel-data

— Antonio Pedro Ramos
source

Difficile à conseiller - vous devriez peut-être publier un lien ou spécifier dans le détail les modèles que vous souhaitez utiliser. Vous pouvez tout faire dans WINBUGS / JAGS parce que vous écrivez le modèle vous-même, donc si vous savez exactement ce que vous voulez, vous pouvez le faire.

— Curieux

De plus, si vous recherchez une flexibilité de modélisation, optez définitivement pour WINBUGS / JAGS. En R, vous ne pouvez faire que ce qu'ils ont préparé pour vous, mais en bayésien, vous êtes absolument libre de tout faire (pour le prix du temps d'apprentissage, et vous devez très bien comprendre les modèles).

— Curieux

Je vois que vous avez également posé cette question à r-sig-mixed-models@r-project.org... il est préférable de ne pas effectuer de publication croisée, ou du moins d'indiquer explicitement que vous effectuez une publication croisée. (Je pense que cela r-sig-mixed-modelspourrait s'avérer plus fructueux.)

— Ben Bolker

J'ai plusieurs ensembles de données et je voudrais expérimenter différentes structures de covariances. Je n'ai pas de modèle unique et spécifique que j'aimerais adapter, mais j'aimerais plutôt essayer la plupart des modèles de base, tels que ceux disponibles dans SAS support.sas.com/rnd/app/papers/glimmix.pdf

Soit dit en passant, cela peut être mieux pour le site de statistiques Stack Exchange, car il s'agit plus de trouver des packages utiles à cette fin statistique particulière que de créer un nouveau code dans R. En tant que tel, il peut y avoir une audience beaucoup plus pertinente sur ce site Web. .

— Iterator

Réponses:

Les modèles longitudinaux et mixtes dans BUGS sont discutés dans Ch. 10 des idées bayésiennes et analyse des données. Vous trouverez ci-dessous un lien vers le site Web du livre qui contient un exemple de code.

http://www.ics.uci.edu/~wjohnson/BIDA/BIDABook.html

— Glen
source

Je ne sais pas ce que vous entendez par R n'ayant pas de "modèles analytiques factoriels pour les matrices de covariance" - pouvez-vous clarifier ce que vous aimeriez reproduire à partir de SAS? À ma connaissance, cela est possible avec de nombreux packages différents dans R.

En ce qui concerne les modèles d'antidépendance, il y a un livre sur ce sujet même qui a associé le code R et des exemples, sur le site Web du premier auteur .

Je ne sais pas si WinBUGS vous apportera de la chance, mais je commencerais par le manuel susmentionné - il semble faire autorité sur les modèles d'antidépendance. :)

— Itérateur
source

On peut supposer que l'OP veut les structures de covariance ici: support.sas.com/documentation/cdl/en/statug/63033/HTML/default/… ... celles-ci peuvent en principe être construites via l' corClassesinstallation dans nlme, mais ce n'est pas trivial et comme autant que je sache n'a pas été fait ...

— Ben Bolker

Je veux dire que SAS a beaucoup plus d'options pour les structures de covariance que nlme dans R, et elles sont toutes matures; comparer: support.sas.com/rnd/app/papers/glimmix.pdf avec stat.ethz.ch/R-manual/R-devel/library/nlme/html/corClasses.html

Je connais également le livre mentionné, mais pour moi, il ressemble plus à un livre de théorie avec du code R mais sans package R mature.

Aucune infraction, mais il est imprécis de dire «options pour les structures de covariance» - je suppose que vous voulez dire que SAS a plus d'options pour spécifier les structures de covariance dans l'estimation des paramètres de certains types de modèles paramétriques, n'est-ce pas? Mais nous ne faisons pas beaucoup de progrès ici: que voulez-vous réaliser? J'ai survolé la documentation GLMMIX (qui est plutôt minable d'un point de vue statistique - beaucoup de brillance, pas beaucoup de mathématiques). Qu'aimeriez-vous vraiment faire? (suite)

— Itérateur

Je crois, avec une légère courbe d'apprentissage, vous pouvez utiliser l' un des paquets SEM dans R: lavaan, OpenMXou sem. J'apprends juste sur SEM et ces packages, mais il me semble que lavaancette syntaxe de formule ressemble beaucoup à celle d'autres modélisations ( lm, lmer) dans R, et SEM vous permet de faire beaucoup de choses avec votre structure de covariance.

— Wayne
source