0

我通过 brms 包构建了序数回归模型。

bmodel<- brm(pop ~  RDB2000pop + Temperature2003 + Artificial.land2003 + Wasteland2003 + Volcanic.area + Agricultural.land2003 + RiverLake2003 + Seashore2003 + Protected.area + 
                         (1+RDB2000pop+Temperature2003+Artificial.land2003+ Wasteland2003 + Volcanic.area + Agricultural.land2003 + RiverLake2003 + Seashore2003 + Protected.area |species_id),
             data      = dfpop_chenv,
             family    = cumulative(link = "logit", threshold = "flexible"),
             prior   = c(set_prior("normal(0,10)", class = "b")), 
             warmup    = 1000,
             iter      = 10000,
             chains    = 4,
             save_all_pars = TRUE,
             save_model = "grass_w_stanscript",
             file = "grass_w")

然后，我尝试绘制结果的条件效果（“ordinal = TRUE”已被弃用）。

rplot<- plot(conditional_effects(bmodel, categorical =TRUE)) #categorical
pp <- do.call("grid.arrange", c(rplot, ncol=4))

这些估计值是在特定类别中获得结果的概率，在给定条件下，所有类别的总和应为 1。来自terior_epred()，但不是来自conditional_effects()。

搜索类似的情况，我发现默认情况下 conditional_effects 返回样本的中位数而不是平均值。

所以，我又尝试了一次，参考以下页面（具有连续预测器的序数模型）。 https://cran.r-project.org/web/packages/tidybayes/vignettes/tidy-brms.html#ordinal-model-with-categorical-predictor

fit_plot = dfpop_chenv %>%
  data_grid(Temperature2003 = seq_range(Temperature2003, n = 101)) %>%
  add_epred_draws(bmodel, value = "P(pop | Temperature2003)", category = "pop") 
  ggplot(aes(x = Temperature2003, y = `P(pop | Temperature2003)`, color = pop)) +
  stat_lineribbon(aes(fill = pop), alpha = 1/5) +
  scale_color_brewer(palette = "Dark2") +
  scale_fill_brewer(palette = "Dark2")

但是，它显示错误“未找到 RDB2000pop”。RDB2000pop 是解释变量之一。并且肯定会在“dfpop_chenv”中。

在此处输入图像描述

该问题似乎与“add_epred_draws()”有关。只是尝试简单地使用“add_epre_draws()”，它也显示相同的错误。

tibble(Temperature2003 = 2) %>%
    add_epred_draws(bmodel) %>%
    median_qi(.epred)

如何绘制每个类别的预测概率？

4

0 回答 0