问题标签 [rstan]

我计划运行一个定制的 Rstudio tidyverse，rmarkdown 并rstan预先安装在 Digital Ocean 的Docker 17.03.0-ce on 16.04.

在 Docker Hub 上，已经有一个预构建的镜像：Rocker/verse它具有tidyverse和rmarkdown功能。所以我的计划是简单地获取最新版本Rocker/verse并添加一个新的rstan. 我使用jonzelner/rstan和jrnold/rstan的 dockerfile并将它们更新如下：

但是，我构建此图像 ( ) 的尝试以docker build -t image_name .错误告终。结果如下：

关于与内存有关的包的一些类似问题non-zero exit status，所以我尝试增加本地机器上的 Docker 内存，但仍然没有运气。我能做些什么来成功构建这个图像吗？

我正在尝试估计 Rstan 中的贝叶斯层次模型，并希望在我的模型中包含一个多元偏态正态分布。这不是 Stan 中已经定义的分布，但文档似乎表明可以使用 Cholesky 因子来实现它。例如，Stan 2.15.0 文档在第 333-334 页上说：

“根据标准正态变量对多元正态分布的重新参数化可以扩展到其他多元分布，这些分布可以被概念化为多元正态的污染，例如多元学生 t 和偏斜多元正态分布。”

有谁知道如何实际做到这一点？我考虑过自己在 Stan 中实现偏斜多元法线，但看起来并没有一个很好的封闭形式的分布可以直接实现......

我目前正在努力解决如何按照 APA-6 的建议报告rstanarm::stan_lmer().

首先，我将在频率论方法中拟合一个混合模型，然后尝试使用贝叶斯框架来做同样的事情。

这是获取数据的可重现代码：

现在，让我们以“传统”方式拟合一个线性混合模型，以研究水平（受教育年限）作为随机因素来测试性别（男性/女性）对负面影响（消极情绪）的影响。

输出如下：

为了报告它，我会说“我们拟合了一个线性混合模型，其中负面影响作为结果变量，性别作为预测变量，研究水平作为随机效应输入。在这个模型中，男性水平导致负面影响显着减少（β = -0.47，t(1321)=-7.06，p < .001）。

那是对的吗？

然后，让我们尝试使用以下方法将模型拟合到贝叶斯框架中rstanarm：

这将返回：

我认为比median是系数后验分布的中位数和mad_sd标准偏差的等价物。这些参数接近常客模型的 beta 和标准误差，这是令人放心的。但是，我不知道如何将输出形式化并用文字表达。

此外，如果我对模型 ( summary(fitB, probs=c(.025, .975), digits=2)) 进行总结，我会得到后验分布的其他特征：

像下面这样的东西好吗？

“我们在贝叶斯框架内拟合了一个线性混合模型，其中负面影响作为结果变量，性别作为预测变量，研究水平作为随机效应输入。系数和截距的先验设置为正常（平均值 = 0，标准差 = 1 ). 在该模型中，与男性水平相关的系数的后验分布特征表明负面影响减少（平均值 = -0.47，标准差 = 0.11，95% CI[-0.59，-0.34]）。

谢谢你的帮助。

在这个关于期刊报告的问题之后，我想知道是否有适合使用的贝叶斯模型的总体效应大小指数stan_lmer？

在频率论框架中，例如有一个伪 R2（由这个包计算），它返回边际（仅由固定因子解释的方差比例）和条件（由两者解释的方差比例）固定和随机因素）R2。是否有任何等价物可以帮助我们量化和限定效果/预测能力大小？

谢谢你。

我正在学习贝叶斯数据分析。我尝试复制 stan 的Trond Reitan 的教程，这些教程最初是由 WinBugs 创建的。

具体来说，我有以下数据和模型

上下文是关于检测田间的湿疹。有72个站点。对于每个站点，研究人员多次访问（即 numvisit）并记录发现 weta 的次数（即 numdet）。

有一个潜在变量 z，描述一个站点是否有湿。psi 是一个站点有weta的概率。p 是检测率。

我遇到的问题是我不能将 z 声明为整数

但是，如果我将 z 设置为实数，即

问题变成我无法将伯努利的变量设置为整数......

我对斯坦很陌生。如果这个问题非常愚蠢，请原谅我。

我知道您可以rstanarm通过使用stan_glm和设置将二项式 logit 模型与包拟合family = binomial(link="logit")，但是否rstanarm为您提供了拟合多项式 logit 模型的选项？

我发现了这个https://stats.stackexchange.com/questions/24705/can-i-use-glm-algorithms-to-do-a-multinomial-logistic-regression

但我对如何将模型翻译Y=A+BX成那里提到的形式感到困惑。

I am trying to get the marginal effects, according to this post: http://andrewgelman.com/2016/01/14/rstanarm-and-more/

Issue

After running this code i get the following error: I get an error that y not found, which actually means that i also need to pass y in the newdata, which it shouldn't be the case according to ?posterior_predict

Reasoning

I need tmp <- posterior_predict(glm1,newdata=md[,.(x1,x2)]) because according to the post above (as far as i understand), in order to calculate the marginal effect of x1 (if i assume that x1 is binary) would be

在 Windows 上与 rstan 一起使用时，我的以下 Stan 代码运行良好。然而，当在 Linux (CentOS 6) 的集群上运行时，它会抛出一个很长的错误，其中包括大约 500 行，我猜是 Rcpp 代码，最后一个块如下：

compileCode(f, code, language = language, verbose = verbose) 中的错误：编译错误，未创建函数/方法！在 /scratch/user/siamak/R_libs/StanHeaders/include/stan/math/rev/mat.hpp(15) 包含的文件中，来自 /scratch/user/siamak/R_libs/StanHeaders/include/stan/math.hpp( 4)，来自/scratch/user/siamak/R_libs/StanHeaders/include/src/stan/model/model_header.hpp(4)，来自file6ff02c925624.cpp(8)：/general/software/x86_64/tamusc/R_tamu/R_LIBS /3.3.2-iomkl-2017A-Python-2.7.12-default-mt/RcppEigen/include/Eigen/src/Cholesky/LLT.h(57)：错误：类“Eigen::Ref>”没有成员“ Options" Options = MatrixType::Options, ^ 在类 "Eigen::LLT<_MatrixType, _UpLo> 的实例化期间检测到

有什么意见吗？

概括：

我安装了rstan包，现在我遇到了这个错误：

readRDS(file.rds) 中的错误：未知的输入格式

描述：

环境：

• RStan 版本：2.16.2
• R 版本 3.4.1 (2017-06-30)
• 操作系统：Windows 10

请问我可以寻求帮助吗？

我已经使用 stan_glmer 拟合了二项式模型，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。

我现在想为不同级别的预测变量预测事件的概率。我通常会在 glmer 中使用 predict 命令，但我知道我应该对 stan_glmer 使用后验预测命令来考虑模型中的全部不确定性。如果 x1 和 x2 是二元事件的连续预测变量，并且我想要组上的随机截距，则模型公式为：

我的问题是：我想改变预测变量（x1 和 x2）以查看模型如何预测观察到的数据（以及这些预测中的可变性），也许是一个图，但我不确定如何。任何帮助或指导将不胜感激。