апостериорный прогноз на основе группирующей переменной из `stan_glm()` в пакете `rstanarm`?

Мне было интересно, как получить апостериорный прогноз на основе переменной группировки из stan_glm() в пакете rstanarm?

Например, если у меня есть бинарная группирующая переменная с кодом (0, 1), называемая "vs" в моих данных (базовые данные R: mtcars), как я могу получить прогноз для того, когда vs == 0 и когда vs == 1?

Вот мой R-код:

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

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

r rstan bayesian rstanarm hierarchical-bayesian
person rnorouzian    schedule 21.03.2018    source источник
comment
@akrun, хорошо, это вопрос о пакете, спасибо.   -  person rnorouzian    schedule 21.03.2018
comment
newdata должен быть кадром данных, содержащим наборы значений для каждого интересующего вас предиктора. Итак, вам нужен кадр данных newdata, где некоторые строки имеют vs = 0, а некоторые строки имеют vs = 1, вам нужно выяснить, какими должны быть значения других предикторов. дать осмысленные сравнения.   -  person Marius    schedule 21.03.2018

Ответы (1)


arrow_upward
0
arrow_downward

Чтобы изучить влияние, например. vs в результате (в вашем случае mpg) вы можете использовать posterior_predict в подмножествах, где vs == 0 и vs == 1 соответственно:

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

а также

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

Более подробная информация приведена в ?rstanarm::posterior_predict.

person Maurits Evers    schedule 21.03.2018
comment
@rnoruzian Я не понимаю, почему. Я бы всегда predict использовал полные (новые) данные; затем вы можете вытащить области интереса в вашем пространстве предикторов/параметров. - person Maurits Evers; 21.03.2018
comment
@rnorouzian Хорошо, я начинаю понимать; если вам интересно посмотреть на эффект, например. vs на выходе mpg через ppd, то вы правы, используя posterior_predict, например. subset(mtcars, vs == 0) и subset(mtcars, vs == 1) отдельно. - person Maurits Evers; 21.03.2018
comment
@rnoruzian ?? Да, я уверен. Цитата из ?rstanarm::posterior_predict: Использование апостериорного прогностического распределения при интересных значениях предикторов также позволяет нам визуализировать, как манипулирование предиктором влияет (на функцию) результата (ов). - person Maurits Evers; 21.03.2018