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]
-
[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.