使用stan_glmer从完整的后验分布预测

时间:2017-08-04 13:34:15

标签: predict rstan rstanarm

我能请求帮助吗?

我使用stan_glmer拟合二项式模型,并选择了我认为最适合数据的模型。我使用后验预测命令将我观察到的数据与模型模拟的数据进行比较,看起来非常相似。

我现在想要预测不同级别预测变量的事件概率。我通常会在glmer中使用predict命令,但我知道我应该使用stan_glmer的posterior_predict命令来考虑模型中的完全不确定性。如果x1和x2是二元事件的连续预测变量,并且我想要对组进行随机截取,则模型公式为:

      model <- stan_glmer(binary event ~ x1 + x2 +(1 | group), family="binomial"

我的问题是:我想改变预测因子(x1和x2)以了解模型如何预测观察到的数据(以及这些预测的可变性),可能作为情节,但我不确定如何。任何帮助或指导将不胜感激。

1 个答案:

答案 0 :(得分:1)

简而言之,posterior_predict有一个newdata参数,期望data.frame的值为x1x2group。此参数类似于许多其他预测函数中的参数,并且有一个使用示例可以通过example(posterior_predict, package = "rstanarm")执行。

在你的情况下,它可能是这样的 nd <- with(original_data, expand.grid(x1 = seq(from = min(x1), to = max(x1), length.out = 20), x2 = seq(from = min(x2), to = max(x2), length.out = 20), group = levels(group))) PPD <- posterior_predict(model, newdata = nd) 但您可以通过其他各种方式选择x1x2的值。