J'ai essayé d'utiliser R pour s'adapter à certains modèles longitudinaux, principalement via lmer
et nlme
packages. 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
la source
la source
[email protected]
... 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 celar-sig-mixed-models
pourrait s'avérer plus fructueux.)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
la 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. :)
la source
corClasses
installation dansnlme
, mais ce n'est pas trivial et comme autant que je sache n'a pas été fait ...Je crois, avec une légère courbe d'apprentissage, vous pouvez utiliser l' un des paquets SEM dans R:
lavaan
,OpenMX
ousem
. J'apprends juste sur SEM et ces packages, mais il me semble quelavaan
cette 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.la source