我正在尝试计算 R 中BayesFactor包的固定效应之一的贝叶斯因子 (BF)。
数据具有以下结构：
-
rating是因变量 -
cond是有3个能级("A"、"B"、"C")的自变量。 -
C1是从cond派生的对比码，它反对"A"(编码-0.50)与"B"和"C"(均为编码-0.25) -
C2是从cond派生的对比码，它反对"B"(编码-0.50)与"C"(编码+0.5;"A"编码0 -
judge和face是随机因子，使得face与judge交叉但嵌套在cond内(因此也嵌套在C1和C2内)
DT <- fread("http://matschmitz.github.io/dataLMM.csv")
DT[, judge := factor(judge)]
DT[, face := factor(face)]
# > DT
# judge face cond C1 C2 rating
# 1: 66 13 A -0.50 0.0 1
# 2: 20 13 A -0.50 0.0 4
# 3: 22 13 A -0.50 0.0 7
# 4: 69 13 A -0.50 0.0 1
# 5: 7 13 A -0.50 0.0 3
# ---
# 4616: 45 62 C 0.25 0.5 2
# 4617: 30 62 C 0.25 0.5 6
# 4618: 18 62 C 0.25 0.5 4
# 4619: 40 62 C 0.25 0.5 3
# 4620: 65 62 C 0.25 0.5 1
理想情况下，我想测试"完整"模型，如下所示：
library(lmerTest)
lmer(rating ~ C1 + C2 + (1 + C1 + C2|judge) + (1|face), data = DT)
并计算 BF 用于C1。
我设法计算了C1的 BF，但只有随机截距：
library(BayesFactor)
BF1 <- lmBF(rating ~ C1 + C2 + judge + face, whichRandom = c("judge", "face"), data = DT)
BF0 <- lmBF(rating ~ C2 + judge + face, whichRandom = c("judge", "face"), data = DT)
BF10 <- BF1 / BF0
# > BF10
# Bayes factor analysis
# --------------
# [1] C1 + C2 + judge + face : 0.4319222 ±15.49%
#
# Against denominator:
# rating ~ C2 + judge + face
# ---
# Bayes factor type: BFlinearModel, JZS
我尝试了这个解决方案来包含随机斜率，但没有成功：
BF1 <- lmBF(rating ~ C1 + C2 + judge + face + C1:judge + C2:judge,
whichRandom = c("judge", "face", "C1:judge", "C2:judge"), data = DT)
# Some NAs were removed from sampling results: 10000 in total.
我还需要(如果可能的话)包括随机截距和斜率之间的相关性judge。
请随意在答案中使用任何其他软件包(例如，rstan，bridgesampling)。
一些其他问题：
- 我是否需要在BF10上执行任何转换，或者我可以将其解释为它吗？
- 什么是默认先验？
协变量必须是一个"因子"。 在您的情况下，不仅仅是"法官"，"脸"，"C1"和"C2"也需要成为一个因素。
DT$C1 = factor(DT$C1)