Общая предсказательная сила (например, R2) для байесовских линейных (смешанных) моделей

Следуя этому вопрос о журнальной отчетности, я хотел бы знать, есть ли какой-либо общий показатель размера эффекта для байесовских моделей, подобранных с использованием stan_lmer?

В частотной структуре есть, например, псевдо-R2 (вычисленный с помощью этот пакет), который возвращает маржинальную (долю дисперсии, объясняемую только фиксированными факторами) и условную (долю дисперсии, объясняемую как фиксированные, так и случайные факторы) R2. Есть ли какой-либо эквивалент, который помог бы нам количественно оценить и уточнить размер эффектов / предсказательной силы?

Спасибо.


r rstan bayesian mixed-models stan
person Dominique Makowski    schedule 26.06.2017    source источник
comment
Я рассчитал величину эффекта для байесовских моделей с помощью пакета BEST, не уверен, что это поможет вам здесь с stan_lmer. здесь может помощь.   -  person RobertMyles    schedule 26.06.2017

Ответы (1)


arrow_upward
2
arrow_downward

Для stan_lm или stan_glm с family = gaussian(link = "identity") вы можете вычислить апостериорное распределение R-квадрата с помощью

R2 <- rowSums(posterior_linpred(post)^2) / rowSums(posterior_predict(post)^2)

где post - это объект, возвращаемый stan_lm или stan_glm. Для stan_lmer или (эквивалентно) stan_glmer с family = gaussian(link = "identity") вы могли бы сделать что-то подобное, но должны занять позицию относительно того, что делать с терминами, относящимися к группе (например, (1 | group)). Аргумент re.form для posterior_linpred и posterior_predict дает вам несколько вариантов, но по умолчанию условия, относящиеся к группе, обусловлены. В качестве альтернативы вы можете установить (некоторые из них) на ноль или передать data.frame с новыми уровнями группы, чтобы интегрировать (некоторые из) групповые термины.

person Ben Goodrich    schedule 26.06.2017