我想为仅截距混合Logistic回归模型与null模型的截距计算贝叶斯因子。
这是一项针对每个参与者进行了多次成功或失败结果的研究的研究，我们希望评估数据是否更有可能来自M0为真的世界（成功机会为p =每次试验都为0.5），而不是M1为真的世界（人们的成功率与p = 0.5不同，成功率可能会有一些个人差异，即随机拦截）。</ p>
我尝试使用R中的brms软件包来执行此操作。 根据这些指南，应使用以下代码来计算贝叶斯因子： https://rpubs.com/lindeloev/bayes_factors https://mvuorre.github.io/post/2017/03/21/bayes-factors-with-brms/
但是，当我使用hypothesis（）函数方法时，Evid.Ratio是NA，并且当我尝试使用intercept = 0拟合空模型以使用bayes_factor（）函数时，该空模型不会运行并返回错误消息：
SAMPLING FOR MODEL '7fd1e8370afde87f07b7e1f715ec714c' NOW (CHAIN 1).
[1] "Error in sampler$call_sampler(args_list[[i]]) : "
[2] " Must use algorithm="Fixed_param" for model that has no parameters."
[1] "error occurred during calling the sampler; sampling not done"
这是我的代码：
library(brms)
dat_1 = read.csv("https://raw.githubusercontent.com/kekecsz/Bayes-factor-different-distributions/master/data_all_%200.51_14000.csv")
fit2 <- brm(data_all_H1_pre2 ~ 0 + intercept + (0 + intercept|participant_ID), data = dat_1, family = bernoulli, control = list(adapt_delta = 0.90))
hypothesis(fit2, hypothesis = 'intercept = 0')
fit2_null <- brm(data_all_H1_pre2 ~ 0, data = dat_1,
family = bernoulli,
control = list(adapt_delta = 0.90))
bayes_factor(fit2, fit2_null) # can't run this, because the code above (fit2_null) returns an error.
在上面的示例中，我使用了模拟数据，其中所有参与者的真实成功率为p = 0.51而不是0.5，因此预期结果将是偏向于M1的贝叶斯因子。
我不必使用brms软件包，这只是我所知道的唯一可以处理混合模型的软件包。使用JAGS或rstan的解决方案也可以。
在这种情况下如何计算贝叶斯因子？