Acabei de (re) ler Por que de Gelman (geralmente) não precisamos nos preocupar com múltiplas comparações . Em particular, a seção "Múltiplos resultados e outros desafios" menciona o uso de um modelo hierárquico para situações em que existem várias medidas relacionadas da mesma pessoa / unidade em diferentes momentos / condições. Parece ter um número de propriedades desejáveis.
Entendo que isso não é necessariamente uma coisa bayesiana. Alguém poderia me mostrar como construir adequadamente um modelo multinível multivariado usando rjags e / ou lmer (JAGS e BUGS regulares também devem estar bem, bem como outras bibliotecas de modelos mistos, por exemplo, MCMCglmm), para que eu possa brincar com ele para comparar e resultados de contraste? O tipo de situação para a qual eu gostaria de um modelo é refletido nos dados de brinquedos abaixo (medidas repetidas e multivariadas):
set.seed(69)
id <- factor(rep(1:20, 2)) # subject identifier
dv1 <- c(rnorm(20), rnorm(20, 0.8, 0.3)) # dependent variable 1 data for 2 conditions
dv2 <- c(rnorm(20), rnorm(20, 0.3, 0.6))
dv3 <- c(rnorm(20), rnorm(20, -0.3, 0.8))
dv4 <- c(rnorm(20), rnorm(20, 0.2, 1 ))
dv5 <- c(rnorm(20), rnorm(20, 0.5, 4 ))
rmFac <- factor(rep(c(1, 2), each=20)) # repeated measures factor
dvFac <- factor(rep(1:5, each=40)) # dependent variable indicator
dfwide <- data.frame(id, dv1, dv2, dv3, dv4, dv5, rmFac)
dflong <- data.frame(id, dv = c(dv1, dv2, dv3, dv4, dv5), rmFac, dvFac) # just in case it's easier?