ぎょーむ日誌 2007-01-14

2007 年 01 月 14 日 (日)

• 0640 起床． コーヒー． 朝飯．
• ここ数日， 統計学授業であつかう「例題」について考えているのだが …… うーむ， 今回は いつも みたいな架空例じゃないほうが良いような気がしてきた． 今朝， はやめに起床したのは， そのことが気になって眠れなくなってしまったから．
• GLMM を紹介したときには GLM vs GLMM 勝負をやって， ほら混合モデルのほうが良いでしょう， というハナシにもっていけた． しかし， 今回は「GLMM でもあつかえる問題を階層ベイズモデルで」 という方針なので …… つまり階層ベイズモデル化したからといって推定結果がそれほど 「改善」 されるわけではないんだよね．
• というのも， じつは GLMM にしちゃった時点でそれは すでに階層ベイズモデル化 されてしまってるんだよね． GLMM では「個体差」とかを正規分布なんかで表現しているんだけど， それは事前分布． そして事前分布のばらつきをあらわすパラメーター (下の図でいう α) の暗黙の超事前分布は一様分布， と． …… GLMM ではそれを経験ベイズ法 (つまり最尤推定法による点推定) であつかい， MCMC 計算 つかった解法では α の明示的な超事前分布 (もっと一般的なやつも可) の導入によって事後分布の「直接」サンプリングを試みている， と．

• ということで， glmmML() だの lmer() だの (あるいは nested ANOVA とか?) うっかり使ってしまった あなたはすでにして問答無用にて Bayesian なのです! いちどケガれてしまったら， もうあともどりはできません．
• さて， 状況がここまで整理されて単純化されてくると， ハナシは簡単になるわけで …… つまり 階層ベイズモデルなんて 「とっくに普及してしまった現状」 がすでにあるわけだから， 今さらこのあたりをくだくだしく説明するにはおよぶまいよ． それはもう 前回の授業 や 前回の自由集会 ですませてしまって 解説記事 まで書いてしまった， ということになるわけだからね．
• では何を説明してみせればよいのかと言えば， ここまでの文脈にそって論旨を展開するのであれば， それは 「このうえさらに， 何のために (事後分布推定の) MCMC 計算なんぞやるのか?」 ということになる． その答えは簡単で 「glmmML() や lmer() ではあつかえない階層ベイズモデルがいろいろあるから」 に他ならない．
• で， 「R の GLMM 推定関数で何とかなりそうだけど， 一歩すすめると手も足もでない」 問題である屋久島照葉樹 シュート伸長休眠データの統計モデリングなんかが良いのではないか， と． はい， これは昨年修士課程を終えて卒業された牛原さんのデータ， そして今回の私の松山大会 一般講演 (ポスター発表) で使わせていただくアレです．
• とハナシがまとまったことにしてしまって， 脱ダンボール <れこんきすた> 作業を 1 時間ほど．
• 昼飯． 1330 自宅発． 晴． 午前中はけっこう雪ふってたのにな． 1350 研究室着．
• 屋久島データとかちょっとひねってみたりしてたんだが …… やはり何だかこわいので苫小牧樹木成長論文の原稿よみ．
• とりあえずこれを終了しないと他の何も進捗できない， と精神的においこんでから， (注意散漫な私としては) かなり集中して三十数ページの原稿を通読する． うーむ ……

  いつもの感想なんですけど，これを読むたびにここであつかってる 気象条件→直径成長問題の難しさを感じます (が，まだ現状では誰もうまいモデリングはできていないでしょう)． そしてこの原稿をまとめておられるときの鍋島さんの苦労 (?) が感じられるような気がします． 難しい現状がよくまとめられているとも思います．

• その他こまごまコメントなどつけてから送信． 一件落着 …… なのだろうか? 逃げるが勝ちとばかりに撤退． 1825 研究室発． 顔面がちょっとひきつる寒さ． といってもあとで調べたら -4°C だった． 買いもの． 1855 帰宅． 晩飯の準備． 晩飯．
• [今日の運動]
  • うんどう休養日
• [今日の食卓]
  • 朝 (0730): パンケイキ．
  • 昼 (1300): うどん． ダイコン・ナメコ・ワカメ・煮干の味噌汁．
  • 晩 (2100): 米麦 0.7 合． 鶏水炊き． アジすりみ揚げ．