标准化rstanarm贝叶斯回归中的先验

Question

我不确定我的结果是否可以信任。

假设我为模型提供了丰富的先验知识

library(rstanarm)
data <- iris[, c("Sepal.Length", "Petal.Width")]
model1 <- stan_glm(Sepal.Length ~ Petal.Width, data=iris, prior=normal(2, 3, autoscale=FALSE))

然后，我想用标准化数据更新模型，以了解标准化如何改变系数。

model2 <- update(model1, data=as.data.frame(scale(iris)))

但是，我担心无法“信任”模型2的结果，因为考虑到模型1设置的非标准化先验时，它们可能会错误地（即不希望地）产生偏差。

有没有一种方法可以对先验进行“标准化”，以便可以将它们传递给update函数，从而使model1的先验集比照适用于。型号2？

注意：由于我的分析性质，我无法避免使用update。

非常感谢！

Answer 1

如果您最初在调用autoscale = FALSE或其他某个先验函数时指定normal，然后尝试使用不同或转换后的数据update，那么我怀疑先验的规模是否会第二次正确校准。但是，如果指定autoscale = TRUE，则本质上它会在内部将先验缩放为标准单位，在这种情况下，尽管内部重新缩放会有所不同，但使用新数据进行更新就可以了。