使用MCMCglmm构建系统发育校正多变量线性模型报错求助

问题回顾 #

你尝试用MCMCglmm运行带系统发育校正的多变量线性模型时，单变量模型可以正常执行，但多变量模型报错：

Error in priorformat(if (NOpriorG) { : V is the wrong dimension for some prior$G/prior$R elements

问题根源 #

错误出在你对先验（prior）中V参数的维度处理上：

• 当你计算p.var = var(data[,c("PC1","PC2")])时，得到的是一个2×2的协方差矩阵，而非两个单变量方差的向量。
• 你使用diag(2)*p.var的操作，本质是将2×2的协方差矩阵与2×2单位矩阵进行元素-wise相乘，结果仍为2×2矩阵，但这个写法不仅冗余，还容易引发维度匹配的隐性问题——更关键的是，如果你想设置对角线先验（即假设响应变量间无协方差），这个操作并没有达到预期效果，反而可能让模型识别到维度不匹配。

修正后的代码 #

下面提供两种可行的修正方案，你可以根据研究需求选择：

方案1：使用完整协方差矩阵作为先验（推荐，保留变量间协方差信息）

直接用两个响应变量的协方差矩阵作为先验的方差-协方差结构，更符合多变量模型的逻辑：

Ainv <- inverseA(phylo, nodes="TIPS", scale=F)$Ainv
# 计算PC1和PC2的协方差矩阵
p_cov <- var(data[,c("PC1","PC2")])
# 设置先验：R和G的V使用协方差矩阵
prior1 <- list(
  R = list(V = p_cov, nu = 0.002),
  G = list(G1 = list(V = p_cov, nu = 0.002))
)
# 运行多变量模型
m7.phylo <- MCMCglmm(cbind(PC1,PC2)~Clusters, 
                     random=~tips, 
                     family=rep("gaussian",2), 
                     ginverse=list(tips=Ainv), 
                     data=data, 
                     prior=prior1)

方案2：使用对角线先验（假设响应变量间无协方差）

如果你希望强制响应变量间的协方差为0，可以提取每个变量的方差，构建对角矩阵作为先验：

Ainv <- inverseA(phylo, nodes="TIPS", scale=F)$Ainv
# 提取PC1和PC2的方差（协方差矩阵的对角线元素）
p_vars <- diag(var(data[,c("PC1","PC2")]))
# 设置先验：R和G的V使用对角矩阵
prior1 <- list(
  R = list(V = diag(p_vars), nu = 0.002),
  G = list(G1 = list(V = diag(p_vars), nu = 0.002))
)
# 运行多变量模型
m7.phylo <- MCMCglmm(cbind(PC1,PC2)~Clusters, 
                     random=~tips, 
                     family=rep("gaussian",2), 
                     ginverse=list(tips=Ainv), 
                     data=data, 
                     prior=prior1)

额外说明 #

• 多变量模型中，prior$R$V和prior$G$G1$V都需要是k×k的矩阵，其中k是响应变量的数量（这里k=2），确保维度与响应变量数完全匹配。
• 如果不确定先验设置，也可以使用更宽松的初始先验（如diag(2)*0.01），但基于数据方差/协方差的先验通常更合理，能帮助模型更快收敛。

内容的提问来源于stack exchange，提问作者Carolina Karoullas