【问题标题】:posterior prediction based on a grouping variable from `stan_glm()` in `rstanarm` package?基于“rstanarm”包中“stan_glm()”的分组变量的后验预测?
【发布时间】:2018-03-21 03:00:59
【问题描述】:

我想知道如何根据rstanarm 包中的stan_glm() 中的分组变量获得后验预测?

例如,如果我的数据中有一个名为"vs" 的二进制(0, 1) 编码分组变量(基本R 数据:mtcars),我如何获得vs == 0 和vs == 1 时间的预测?

这是我的 R 代码:

library(rstanarm)
fit <- stan_glm(mpg ~., data = mtcars)

posterior_predict(fit, newdata = WHAT SHOULD BE HERE?)

【问题讨论】:

  • @akrun,没关系,这是一个包裹问题,谢谢。
  • newdata 应该是一个数据框,其中包含您感兴趣的每个预测变量的值集。因此,您需要一个 newdata 数据框,其中某些行具有 vs = 0,而某些行具有 @987654332 @,您必须弄清楚其他预测变量的值应该是什么才能进行有意义的比较。

标签: r bayesian rstan hierarchical-bayesian rstanarm


【解决方案1】:

探索例如的效果在结果上vs(在您的情况下为mpg),您可以在vs == 0 和vs == 1 的子集上分别使用posterior_predict:

posterior_predict(fit, newdata = subset(mtcars[1:10, ], vs == 0));

和

posterior_predict(fit, newdata = subset(mtcars[1:10, ], vs == 1));

更多详情请见?rstanarm::posterior_predict。

【讨论】:

  • @rnorouzian 我不明白为什么。我会一直 predict 获取完整(新)数据;然后您可以在预测变量/参数空间中提取感兴趣的区域。
  • @rnorouzian 好的,我开始明白了;如果您有兴趣查看例如的效果vs 通过 ppd 获得mpg 的结果,那么您就可以使用posterior_predict,例如subset(mtcars, vs == 0) 和 subset(mtcars, vs == 1) 分开。
  • @rnorouzian ??是的,我敢肯定。引用?rstanarm::posterior_predict 的话:“从预测变量的有趣值处绘制后验预测分布,还可以让我们可视化预测变量的操作如何影响结果(一个或多个)。”
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2021-04-17
  • 2021-09-12
  • 2020-09-01
  • 2016-07-07
  • 1970-01-01
相关资源
最近更新 更多