Vorhersage von der vollständigen posterioren Verteilung mit stan_glmer

Question

Könnte ich bitte um Hilfe bitten?

Ich habe ein Binomialmodell mit stan_glmer angepasst und das Modell ausgewählt, von dem ich denke, dass es am besten zu den Daten passt. Ich habe den posterior-predicate-Befehl verwendet, um meine beobachteten Daten mit Daten zu vergleichen, die vom Modell simuliert wurden, und es scheint sehr ähnlich zu sein.

Ich möchte jetzt die Wahrscheinlichkeit eines Ereignisses für verschiedene Ebenen der Prädiktoren vorhersagen. Ich würde normalerweise den Vorhersage-Befehl in glmer verwenden, aber ich weiß, dass ich den posterior_predict-Befehl für stan_glmer verwenden sollte, um die volle Unsicherheit im Modell zu berücksichtigen. Wenn x1 und x2 kontinuierliche Prädiktoren für ein binäres Ereignis sind, und ich möchte einen zufälligen Schnittpunkt auf Gruppe würde die Modellformel sein:

 model <- stan_glmer(binary event ~ x1 + x2 +(1 | group), family="binomial" 

Meine Frage ist: Ich mag die Prädiktoren variieren (x1 und x2) zu sehen wie das Modell die beobachteten Daten (und die Variabilität in diesen Vorhersagen) vorhersagt, vielleicht als eine Handlung, aber ich weiß nicht wie. Jede Hilfe oder Anleitung würde sehr geschätzt werden.

Answer 1

Kurz gesagt, hat posterior_predict ein newdata Argument, das ein data.frame mit Werten von x1 erwartet, x2 und group. Dieses Argument ähnelt dem vieler anderer Vorhersagefunktionen, und es gibt ein Anwendungsbeispiel, das über example(posterior_predict, package = "rstanarm") ausgeführt werden kann.

In Ihrem Fall könnte es so etwas wie nd <- with(original_data, expand.grid(x1 = seq(from = min(x1), to = max(x1), length.out = 20), x2 = seq(from = min(x2), to = max(x2), length.out = 20), group = levels(group))) PPD <- posterior_predict(model, newdata = nd) sein, aber Sie könnten die Werte von x1 und x2 auf verschiedene andere Arten wählen.