glm()
で使う offset 項を log(t)
としよう.
family = poisson(link = "log")
の場合,
これは t
に比例して平均が増大する
……
といった解釈しやすいモデルとなる.
family = binomial(link = "cloglog")
つまり complementary log-log リンク関数を使えば,
これまた解釈しやすいモデルになる.
family = binomial(link = "logit")
とした場合にはどうなるか?
……
log(p / (1 - p)) = (線形予測子)
となると考えると,
これはたとえば p = A t / (1 - A t)
といった式になる!! (A は exp(線形予測子))
……
といったことに初めて気づいた.
dnorm(m, tau)I(-3,0)
といった切断正規分布モデルにすると,
今までうまくいかなかった計算がうまくいった
……!!
export LC_ALL=ja_JP.UTF-8 LC=ja_JP.UTF-8 LANG=ja_JP.UTF-8
としておけば OK.