[備忘録]Rで階層ベイズGLMM

本題に入る前にお知らせです。私が代表を務めるThriver Projectでは、無料Webセミナーを開催しています。研究論文や研究計画書の書き方のコツを、わかりやすく丁寧に解説しています。この無料Webセミナーでは約300名以上の方が学んでおり、参加者からはたいへん好評を博しています。これらの書き方で悩んでいる方は、以下のリンクからアクセスしてください。皆さんの参加を心からお待ちしています。

【無料】IMRaDを使った研究論文の書き方講座【Webセミナー】 (thriver.one)

【無料】研究計画書の書き方講座【Webセミナー】 (thriver.one)

[備忘録]Rで階層ベイズGLMM

以前、Rのパッケージはglmmstanのみ紹介しました。

その後、brmsやrstanarmなどいろいろ使いはじめて、それらも使いやすかったりしますし、ちょっとずつ機能が違うので備忘録として残しときます。

何だかすごく展開が早いので、いちエンドユーザーのぼくは、こうやって備忘録を残しとかないとフォローしきれなくなりそうです、笑。

インストール

・glmmstanのインストール

library(devtools)install_github(“norimune/glmmstan”)

・brmsのインストール

install.packages(“brms”)

・rstanarmのインストール

library(devtools)install_github(“stan-dev/rstanarm”,local = FALSE)

3つはともにパッケージ経由でRstanを鬼のようにこき使うためのツールです。

めっちゃ便利で、開発者の方々には感謝しかありません。

あざまーす！

使い方

文法は3つともglmerやlmerと同じなので、同様の使い方ができます。

例えば、以下のような感じで書けばできます。

もちろん実際に行うときは、任意の変数名に変えてかまいません。

・glmmstan

library(glmmstan)fit <- glmmstan(a ~ b*c*d + (1|f), data = dat, iter = 5000, chains = 4, family = “gaussian”)

・brms

library(brms)fit <- brm(a ~ b*c*d + (1|f), data = dat, iter = 5000, chains = 4, family = “gaussian”)

・rstanarm

library(rstanarm)fit <- stan_glmer(a ~ b*c*d + (1|f), data = dat, iter = 5000, chains = 4, family = “gaussian”)

それぞれの違いは、指定できる分布が違ったり、モデル比較がやりやすいものがあったり、サンプリングの調整がしやすいものがあったり、いろいろです（ぼくも全部理解できているわけではありません）。

資料は以下のサイトでどうぞ。

他にもええのあったら教えてくだせー。

GLMMをやるパッケージを二つほど。

いいからベイズ推定してみる from Makoto Hirakawa

階層ベイズとWAIC from Hiroshi Shimizu

glmmstanパッケージを作ってみた from Hiroshi Shimizu

rstanで簡単にGLMMができるglmmstan()を作ってみた from Hiroshi Shimizu

京極　真

Ph.D.、OT

TwitterFacebookInstagramYouTubeContact

1976年大阪府生まれ。Ph.D、OT。Thriver Project代表。吉備国際大学ならびに同大学大学院・教授。作業療法学科長、保健科学研究科長、（通信制）保健科学研究科長。首都大学東京大学院人間健康科学研究科博士後期課程・終了。『医療関係者のための信念対立解明アプローチ』『作業療法リーズニングの教科書』『作業で創るエビデンス』など著書・論文多数。