TreeBUGS：分层MPT简介建模

Daniel W.Heck、Nina R.Arnold和Denis阿诺德

2023-05-21

使用TreeBUGS的一般程序

在最简单的场景中，需要执行以下步骤：

  1. 以.eqn格式定义现有MPT模型文件的路径（参见multiTree；莫斯科，2010年）
  2. 使用单个频率定义数据集的路径（.csv文件：逗号分隔，行=人，列=标记的类别）
  3. 调用其中一个拟合函数βMPT或牵引MPT（示例如下）
  4. 检查MCMC链的收敛性
  5. 总结并绘制结果

下面将更详细地解释这些步骤。请注意TreeBUGS需要JAGS软件的最新版本(https://mcmc-jags.sourceforge.io网站/).

1.步骤：EQN语法中的MPT模型文件

模型需要以标准.eqn文件格式传递（例如。，如multiTree；莫斯科，2010年）。例如，考虑简单的双高阈值模型（2HTM），每行定义一个包含树标签、类别标签和模型的处理路径方程：

#####标题：2HTM目标命中Do目标命中（1-Do）*g目标未命中（1-Do）*（1-g）诱饵FA（1-Dn）*g诱饵CR（1-Dn）*（1-g）勒尔CR Dn

请注意，类别标签（例如，命中、未命中…）必须以letter（不同于multiTree或HMMTree），并与的列名匹配.模型方程需要乘号*和不应总结参数，例如a^2*（1-a）.作为TreeBUGS的输入，模型文件（例如。，“2htm.txt”)需要保存在当前工作目录中。否则必须指定文件的相对或绝对路径（例如。，型号/2htm.txt). 检查TreeBUGS如何解释给定的.eqn文件，使用：

读取EQN(
  文件= “文件路径.eqn”,#相对路径或绝对路径
  限制= 列表(“Dn=完成”),#等式约束
  param顺序= 真的
)#显示参数顺序

MPT参数的相等限制可以在中提供列表：

限制<- 列表(“Dn=完成”,“g=0.5”)

或通过硬盘上文本文件的路径（例如。，限制=“pathToFile.txt”)包含等式的约束，每行一个：

Dn=执行克=0.5

2.步骤：具有单个频率的数据集

可以从中以逗号分隔的文本文件（.csv）加载数据以下格式：

Hit、Miss、FA、CR20,      10,      5,    2513,       7,      9,    21 15,       5,      6,    14.....

请注意，第一行包含类别标签，必须匹配.egn文件中的类别标签。其余行包含单个频率。与.eqn文件类似数据文件可以指定为数据输入.csv如果是的话在当前工作目录中，或作为相对或绝对路径（例如。，“C:/models/data_ind.csv”).

在R中使用TreeBUGS时，数据帧或矩阵可以提供与类别标签匹配的列名。

3.步骤：拟合层次MPT模型

等级制度Beta-MPT模型配有以下代码：

#加载程序包：
图书馆（树型无人值守地面传感器）

#拟合模型：
fit分级MPT<- βMPT(
  eqnfile文件= “2htm.txt”,#.egn文件
  数据= “data_ind.csv”,#个别数据
  限制= 列表(“Dn=完成”),#参数限制（或文件路径）

  ###可选MCMC输入：
  n.iter公司= 20000,#迭代次数
  n.燃烧= 5000,#移除的烧入样本数
  n.薄= 5,#去除样品的稀释率
  n.链条= 三 #MCMC链的数量（并联运行）
)

类似地，可以通过更换βMPT通过列车PT.

4.步骤：检查MCMC链的收敛性

功能βMPT和牵引MPT返回a包含MCMC采样器原始样品的列表收敛检查。MCMC样品储存在装配模型$runjags$mcmc作为mcmc.列表对象（有关收敛诊断的概述，请参阅包）。TreeBUGS提供了一个方便的包装器来访问最重要的绘图功能：

#默认值：迹线图和密度
情节（fit分级MPT，#拟合模型
  参数= “意思是” #要绘制哪个参数
)
#将进一步的参数传递给？绘图.mcmc.list

#自相关图：
情节（fitHierarchicalMPT，参数= “意思是”,类型= “acf”)

#Gelman-Rubin图：
情节（fit分级MPT，参数= “意思是”,类型= “盖尔曼”)

有关进一步的收敛统计信息和图表，请参阅和。请注意如果Markov-Chain Monte-Carlo（MCMC）采样器未收敛！

5.步骤：汇总并绘制结果

TreeBUGS生成MPT定制的参数估计和收敛统计：

要在拟合模型后获得摘要，只需使用：

总结（fit分级MPT）

以下函数允许绘制参数估计值，分布、拟合优度和原始频率：

绘图参数（fit分级MPT，#估计参数
  包括个人= 真的 #是否绘制个人估计
)
plot分布（fit分级MPT）#估计的层次参数分布
绘图适配（fit分级MPT）#观测平均频率与预测平均频率
绘图适配（fit分级MPT，统计= “cov”)#观测与预测协方差
绘图频率（fit分级MPT）#每棵树的单个和平均原始频率
plotPriorPost（打印前立柱）（fit分级MPT）#前后对比（组级参数）

可以提取参数估计值（后验均值、中位数、SD）使用以下命令保存到文件：

#R中进一步使用的矩阵：
tt公司<- 获取参数（fit分级MPT，
  参数= “θ”,
  统计= “意思是”
)
tt公司

#将个人估算的完整摘要保存到文件中：
获取参数（fit分级MPT，
  参数= “θ”,
  统计= “摘要”,文件= “参数.csv”
)

工具书类