- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
贝叶斯软件genle教程_⼿把⼿教你⽤R的gemtc包对连续变量
进⾏贝叶斯⽹状Meta分析...
来源:微信公众⼩侃数据
⼤家好,本教程将介绍如何使⽤R的gemtc包对连续变量进⾏贝叶斯⽹状Meta分析。
前提条件:
准备⼯作完成后,打开RStudio后,在console⾥输⼊install.packages(“gemtc”)
第⼀次安装的时候,安装速度可能⽐较慢,耐⼼等待⼀下。
等安装完成后,设置我们的⼯作⽬录,后⾯可以把待分析的数据放⼊这个⼯作⽬录,敲⼊:
setwd(D:R⽹状教程)#你可以更改为⾃⼰的⼯作⽬录,在后⾯环境变量增多的时候,在这⼀步前可以加⼀个rm(list=ls())清除环境变量。
然后敲⼊:
library(gemtc)#装载gemtc包
将我们的数据准备成如下格式(与stata做⽹状的格式相同):
其中每⼀⾏代表研究的⼀个臂,study代表研究,treatment代表⼲预名称,mean代表连续变量的均值,std.dev代表连续变量的标准
差,sampleSize代表每⼀个研究中每⼀个臂的样本量。注意,以上英⽂单词必须准确⽆误,⼤⼩写都要⼀致,不然等会分析⽆法进⾏。
⼤家可以在excel⾥准备要分析的数据,然后另存为csv⽂件(以逗为分隔符的表格⽂件),在这⾥,我把数据⽂件存为data.csv(你可以
更改为⾃⼰想要的名字)。然后把这个⽂件放到我们的⼯作⽬录之下。
把刚刚准备好的数据导⼊到R⾥,敲⼊:
data-read.csv(data.csv,sep=,,header=T)#sep代表逗为分隔符,header=T代表把⾸⾏的数据作为标题,-是R⾥的赋值符
,你可以把它理解为=。-前⾯的变量名是可以⾃⼰任意指定的,以下类似。
把数据弄成gemtc的⽹络格式,敲⼊:
network-mtc.network(data)#这⾥-前⾯的network不⼀定⾮要叫network,改为其他的阿猫阿狗名称均可。以下类似,不再赘述。
输⼊:plot(network)
可以看到⽹状图如下:
当然了,这些⼤⼩、颜⾊、字体等等的参数都是可以调整的,但是跟stata做⽹状图相⽐还是太⿇烦了。Stata⼏乎不⽤调整⼀步到位,⼤家
可以参考我之前制作的stata教程做⽹状图。
然后开始建⽴模型:
model-mtc.model(network,type=consistency,n.chain=4,likelihood=normal,link=identity,linearModel=random)
其中,圆括⾥的第⼀个参数为我们刚刚新建的gemtc⽹络类型的变量network,第⼆个参数type=consistency,是指我们的模型为⼀
致性模型,n.chain指的是马尔科夫蒙特卡洛MCMC的链条数⽬,⼀般为2-4均可。因为我们进⾏的是连续变量的⽹状分析,所以
likelihood=normal,link=identity。linearModel=”random”指的是我们使⽤的模型为随机效应,当然也可以指定fixed作为固定效
应模型。这⼀步可能会跳出⼀些红⾊的warning,强迫症的同学看到可能会感到不安,但不⽤紧张,不影响后续的分析,不管它即可。
现在就可以进⾏迭代了,敲⼊:
results-mtc.run(model,n.adapt=20000,n.iter=50000,thin=1)
其中,model是我们上⼀步建⽴的模型名称,n.adapt为退⽕次数,n.iter为迭代次数。这个时候我们耐⼼等待,RStudio界⾯如下所⽰:
敲⼊:summary(results)可以看到如下结果:
其中结果包括DIC,DIC可以进⼀步与不⼀致性模型的DIC作⽐较,如果相差在5以内,就说明数据基本符合⼀致性的前提。DIC的绝对值没
有任何意义,只⽤于相对⽐较。以及I2的总体异质性参数。
敲⼊:
forest(relative.effect(results,Placebo))
可以看到每个⼲预相对于Placebo的森林图:
⼤家可以与之前我们⽤stata频率学和⽤OpenBugs贝叶斯做的⽹状结果对⽐⼀下,结果是不是差不多。
敲⼊:plot(results)#可以看到每个指标的收敛情况以及密度图
敲⼊:gelman.plot(results)#收敛性诊断
进⾏排序,敲⼊:
ranks-rank.prob
文档评论(0)