OpenBUGS 软件是一款基于贝叶斯统计表面研发的统计软件,其允许用户给未知参数指定先验信息并使用 MCMC(Markov Chain Monte Carlo)举止来忖度参数的后验分散色五月第一门户,是贝叶斯统计推断的过劲器用。
本文运用非条目 Logisitic 回首模子,参谋少年儿童臃肿与胆固醇、甘油三酯、年事和性别之间的关系,来先容 OpenBUGS 软件的具体操作法式。
数据起首于孙振球、徐勇勇主编的《医学统计学》第四版 P260 第二题。
用 ri 显露第 i 组少年儿童臃肿的阳性数,ni 显露第 i 组不雅察总例数,pi 显露第 i 组儿童臃肿的阳性率,则有 ri~Binomial(pi,ni)。
建造模子:
logit(pi)=β0+β11[i]+β22[i]+β33[i]+β44[i]。
其中 beta 用 β 显露;β0 为常数项,又称截距;βj(j=1,2,3,4) 为自变量 Xj 的偏回首系数;模子的参数 β0,β1,β2,β3 和 β4 照旧给定了颓落的「non-informative」先验分散。
第一步 | 模子的建造(New Model)
通过 OpenBUGS 软件进行 Doodle 建模,用来指定各参数的分散类型和逻辑关系,如图 1 所示:
图 1 Doodle 模子结构暗示图
图 1 中每一个椭圆显露一个节点,矩形显露常数节点,单线箭头显露从父节点到无意型子节点,双线空腹箭头显露从父节点到逻辑型子节点,边际较粗的矩形为平板,其左下角的 「for(i IN 1:N)」显露 for 轮回,骨子是计较 N 个组的似然函数,从而得到通盘数据的似然函数。
第二步 | 模子的查验(Check Model)
模子设定完成后,点击 Model 下拉菜单 Specification 中的 Check Model 按钮对模块进行查验,若查验无误,则软件窗口左下方会教唆「Model is syntactically correct」,同期按钮 Load Data 和 Compile 被激活,教唆不错加载数据并进行编译。
第三步 | 数据的加载(Load Data)和编译(Compile Model)
将鼠标移到数据指点语「List」并选中,点击 Load Data(加载数据)按钮,若左下方教唆「Data loaded」,则点击 Compile 按钮进行编译,编译告捷后,窗口底部左下方会教唆「Model compiled」,立时 Load Inits 和 Gen Inits 按钮被激活 。
第四步 | 伊始值的设定(Initial Values)
与加载数据访佛,选中指点语 「List」,点击 Load Inits 按钮加载。
若是只产生一条链,此时窗口左下方出现「Model is initialized」,Gen Inits 按钮变灰,教唆伊始值诞生完成。
若是产生 2 条或 2 条以上的链,此时窗口左下方教唆「Initial values loaded but chain contains uninitialized variables」,络续点击 Gen Load 按钮,教唆「Initial values generated, Model is initialized 」,伊始值设定完成。
第五步 | 模子的退火(Burn In)
点击 Inference 下拉菜单中的 Samples 按钮,在弹出的 「Sample Monitor Tool」 对话框中的 Beg 处输入相应的数字,如输入 1 000 则显露抛去前 1 000 次抽样以摒除伊始值对抽样的影响,终了对模子的退火,从 1 001 次伊始抽样。
第六步 | 变量的监控(Monitor Nodes)
通过点击 Inference 下拉菜单中的 Samples,在弹出的对话框 Node 处,添加我方念念要不雅察的变量名(本例主要不雅察的变量为 β0,β1,β2,β3,β4),逐个按 Set 键细则,同期不错在 Percentiles 下方的列表中接收给出的置信区间,默许为 95%(val2.5pc,val97.5pc)置信区间。
第七步 | 模子的迭代(Updates)
通过点击 Model 下拉菜单中的 Updates 按钮对模子进行迭代运算,迭代的次数和步长不错自行诞生。
第八步 | 遵守的输出(Output)
通过 Inference 下拉菜单中 Samples 选项,在盛开的「Sample Monitor Tool」对话框中的 Node 处输入前边指定的不雅察参数,也不错平直输入「」(「」代表整个指定的参数),就不错得到各参数后验分散统计量,如图 2-7 所示。
图 2 各参数后验分散统计量
其中:
MC_error 显露蒙特卡罗模拟的瑕疵,用来度量由模拟引起的参数均值的方差;
val2.5pc 和 val97.5pc 划分显露中位数的 95% 置信区间的下限和上限;Median 显露中位数,频繁比 Mean 更清醒;
Start 显露 Gibbs 抽样得肇始点,Sample 显露系数抽取的样本数。
图 3 核密度图
图 4 迭代轨迹图
图 5 分位数图
图 6 自联系函数图
图 7 迭代历史图
第九步 | 管制性的判别
模子的管制性不错通过不雅察遍历均值进行判断,在得到的链中每隔一段距离计较所不雅察参数的遍历均值,当这么算的的均值清醒后,可以为模子管制。
也不错通过迭代轨迹图和迭代历史图来进行判断,当迭代轨迹和历史迭代趋于清醒,不错以为模子管制。
临了得到的回首方程为:Logit(pi)=-2.14-0.52X1-0.23X2+0.26X3+0.79X4。
本文只是对 OpenBUGS 软件作念了一个肤浅的先容色五月第一门户,通过实例应用,使读者对该软件有一个初步的了解,并能掌执 OpenBUGS 软件的基本操作。