0

我对具有伽马分布因变量的贝叶斯模型的解释有疑问。

我有一个包含 3 个组的情绪得分数据的数据集，从 0 到 4（这是一个连续变量），我的目标是确定是否有按组进行的效果。

在遵循了许多在线教程之后，我确定了一个伽玛分数（不同家庭的 LOO） - 模型如下：

这是 R 为我的 BRM 返回的内容：

 Family: gamma 
Links: mu = inverse; shape = identity
Formula: sentiment ~ group + (1 | id)
Data: df (Number of observations: 1856)
Samples: 20 chains, each with iter = 2000; warmup = 1000; thin = 1;
total post-warmup samples = 20000

The output is as follows:

Group-Level Effects: 
~id (Number of levels: 1856) 
              Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS
sd(Intercept)     0.40      0.16     0.04     0.65 1.01     2289     2424

Population-Level Effects: 
            Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS
Intercept       2.55      0.09     2.38     2.74 1.00     6787    13508
group           1.22      0.14     0.95     1.50 1.00    27476    15066
group  .        1.29      0.15     1.00     1.58 1.00    24998    15147

Family Specific Parameters: 
      Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS
shape     1.65   [![enter image description here][1]][1]   0.06     1.54     1.76 1.00     7659    11316

因此，第 2 组和第 3 组的情绪与第 1 组不同（因为 95%CI 不超过 0），但我如何解释估计值？我需要登录吗？改变什么？我怎么把它变成一个句子？我很困惑，因为当我绘制条件效应时，我不明白 y 轴上是什么？附上剧情。

感谢您的耐心帮助我理解！

4

0 回答 0