如何使用 MCMCregress 命令找到平均值的差异？答案

【问题标题】：How to find difference in mean using MCMCregress command?如何使用 MCMCregress 命令找到平均值的差异？
【发布时间】：2020-11-26 02:40:05
【问题描述】：

我试图弄清楚如何使用 MCMCregress 找出两个分类变量的均值差异并绘制密度图。

我的代码是

library(MCMCpack)
data("crabs") 
out <- MCMCregress(sex~sp , data = data, family=binomial)
summary(out)

我不断收到错误消息-

Error in glm.fit(x = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, : NA/NaN/Inf in 'y'

我应该怎么做才能解决这个问题？

【问题讨论】：

标签： r mcmc

【解决方案1】：

我注意到sex 变量是factor。您可以简单地将factor 转换为numeric，您的代码就可以工作了。这是代码，

library(MCMCpack)
data("crabs") 
out <- MCMCregress(as.numeric(sex)~sp , data = crabs, family=binomial)
summary(out)

Iterations = 1001:11000
Thinning interval = 1 
Number of chains = 1 
Sample size per chain = 10000 

1. Empirical mean and standard deviation for each variable,
   plus standard error of the mean:

                  Mean      SD  Naive SE Time-series SE
(Intercept)  1.5002783 0.05052 0.0005052      0.0005052
spO         -0.0003147 0.07202 0.0007202      0.0007202
sigma2       0.2551607 0.02597 0.0002597      0.0002637

2. Quantiles for each variable:

               2.5%      25%        50%     75%  97.5%
(Intercept)  1.4016  1.46639  1.5005847 1.53420 1.5996
spO         -0.1433 -0.04842 -0.0009755 0.04696 0.1420
sigma2       0.2091  0.23688  0.2534471 0.27180 0.3105

【讨论】：

好的，谢谢，它成功了。你能再给我解释一下吗？
@tako:MCMCregress 建议用于具有正常类型误差项的线性回归（例如，对于连续结果），即响应变量必须是数字。在您的示例中，sex 是一个带有“M”和“F”的分类变量。因此，我们必须将它们转换为数字，否则您将收到错误消息。另请注意，对于具有两个类别的分类结果，线性回归和逻辑回归将提供相同的结论。即上述代码中的family=binomial 和family=normal 将提供相同的结论。
@tako：由于上述代码有效，请考虑通过单击答案旁边的向上箭头来提供支持。