为 WAIC 编写对数似然（逻辑层次 stan 模型）答案

【问题标题】：Writing log likelihood for WAIC (logistic hierarchal stan model)为 WAIC 编写对数似然（逻辑层次 stan 模型）
【发布时间】：2018-08-15 00:28:48
【问题描述】：

我正在创建一个新模型，我想将它与另一个使用 WAIC 的模型进行比较。我知道我需要编写一个生成的数量块。但是，我正在努力转换 beta 的 logsumexp。我将不胜感激任何线索/帮助。我的模型块如下所示：

model { 

    //prior for phi,b
    phi ~ cauchy(0,5);
    mu_b ~ normal(0,1);
    sigma_b ~ cauchy(0,1);
    mu ~ normal(0,1);
    sigma ~ cauchy(0,1);

   //model
   log_b_z ~ normal(0, 1);
   theta_raw ~ normal(mu, sigma);

   for (i in 1:n) {
       vector[number_segments] test;    
       for (j in 1:number_segments) {
           test[j] = beta_lpdf(response[i] | p[j][i]*phi, (1-p[j][i])*phi) + log(prob_segment[j]);
       }    
       target += log_sum_exp(test);
   }
}

【问题讨论】：

看看R库loo，它提供了一种基于stan模型计算WAIC的方法。

标签： r stan model-comparison

【解决方案1】：

您需要定义一个生成量块，用于定义每个数据点的后验预测对数可能性。

您可以通过这种方式实现重新计算最少的混合。

transformed parameters {
  vector[n] log_lik;      
  {
    vector[number_semgnents log_prob_segment = log(prob_segment);
    for (i in 1:n) {
      vector[number_segments] lp = log_prob_segment;
      for (j in 1:number_segments) {
        lp[j] += beta_lpdf(response[i] | p[j, i] * phi, (1 - p[j, i]) * phi);
      log_lik[i] = log_sum_exp(lp);       
   }
}
...
model {
  target += sum(log_lik);
...

您还可以将log_lik 定义为生成的数量——如果您可以对可能性进行矢量化处理（这对于 Stan 中的混合尚不可行），效率会更高。

完成后，您可以使用 loo 包计算 WAIC 等，如小插图和参考资料中所述。

【讨论】：