binom_multiple_outcomes.R

In mac-theobio/effects: isolated confidence intervals and bias-corrected predictor effects

library(shellpipes)
library(tidyr)
library(dplyr)

loadEnvironments()
startGraphics()
 
set.seed(9991)

############################################################################################
# Global variables
nHH_obs <- 1000
perHH <- 10

############################################################################################
# generalized mixed effect model
############################################################################################

## Varying intercept: one grouping factor

### Two outcomes
### No interaction model
### Two predictors plus one latent

#### Simulation
sim_df_cont_joint <- linearsim(nHH=nHH_obs
	, perHH=perHH
	, form=~-1+x1+x2
	, betas = c(2, -3)
	, hhSD = c(2, 3)
	, pgausian=list(p=2,fun=rnorm, mean=0, sd=1)
	, pcat=list(p=0)
	, noutcomes=2
	, separatelatent=FALSE
	, link_scale=FALSE
#	, blatent=c(1, -5)
	, blatent=0.8
	, vnames=c("age", "wealthindex", "water", "garbage")
)$data
head(sim_df_cont_joint)


############################################################################################
# Long format for joint model
############################################################################################

sim_df_cont_joint_long <- (sim_df_cont_joint
	%>% mutate(iid=1:n())
	%>% gather(services, values, c("water", "garbage"))
	%>% data.frame()
)
head(sim_df_cont_joint_long)

saveVars(sim_df_cont_joint_long, comparevarpred)