[英]Converting a R2jags object into a Stanreg (rstanarm) object
我使用R2jags
制作了一个模型。 我喜欢jags
语法,但我发现R2jags
生成的输出不容易使用。 我最近阅读了rstanarm
包。 它有许多有用的功能,并且得到了tidybayes
和bayesplot
包的良好支持,可以轻松进行模型诊断和可视化。 但是,我不喜欢用于在rstanarm
编写模型的rstanarm
。 理想情况下,我想获得两全其美,即在R2jags
编写模型并将输出转换为Stanreg
对象以使用rstanarm
函数。
那可能吗? 如果是这样,如何?
我认为那么问题不一定是它是否可能 - 我怀疑它可能是。 真正的问题是你准备花多少时间来做这件事。 您所要做的就是尝试在结构中复制由rstanarm
创建的对象,尽可能使用R2jags
输出。 这将使一些后处理任务可能会起作用。
如果我这么大胆,我怀疑更好地利用您的时间是将R2jags
对象转换为可以与您想要使用的后处理函数一起使用的对象。 例如,只需要一个小的修改,以尖齿输出,使所有的mcmc_*()
从绘图函数bayesplot
工作。 这是一个例子。 下面是来自jags()
函数帮助的示例模型。
# An example model file is given in:
model.file <- system.file(package="R2jags", "model", "schools.txt")
# data
J <- 8.0
y <- c(28.4,7.9,-2.8,6.8,-0.6,0.6,18.0,12.2)
sd <- c(14.9,10.2,16.3,11.0,9.4,11.4,10.4,17.6)
jags.data <- list("y","sd","J")
jags.params <- c("mu","sigma","theta")
jags.inits <- function(){
list("mu"=rnorm(1),"sigma"=runif(1),"theta"=rnorm(J))
}
jagsfit <- jags(data=jags.data, inits=jags.inits, jags.params,
n.iter=5000, model.file=model.file, n.chains = 2)
现在,来自bayesplot
的mcmc_*()
绘图函数期望的是 MCMC 绘制的矩阵列表,其中列名给出了参数的名称。 默认情况下, jags()
将它们全部放入一个矩阵中。 在上面的例子中,总共有 5000 次迭代,其中 2500 次作为老化(留下 2500 次采样)并且在这种情况下n.thin
设置为 2( jags()
有一个识别细化参数的算法),但在任何在这种情况下, jagsfit$BUGSoutput$n.keep
元素标识保留了多少迭代。 在本例中,它是 1250。因此您可以使用它从输出中创建两个矩阵的列表。
jflist <- list(jagsfit$BUGSoutput$sims.matrix[1:jagsfit$BUGSoutput$n.keep, ],
jagsfit$BUGSoutput$sims.matrix[(jagsfit$BUGSoutput$n.keep+1):(2*jagsfit$BUGSoutput$n.keep), ])
现在,您只需要调用一些绘图函数:
mcmc_trace(jflist, regex_pars="theta")
或者
mcmc_areas(jflist, regex_pars="theta")
因此, rstanarm
尝试复制rstanarm
生成的所有输出, rstanarm
尝试将jags
输出转换为适合您要使用的后处理功能的格式,从而更好地利用您的时间。
编辑- 从bayesplot
增加了pp_check()
的bayesplot
。
在这种情况下, y
的后验绘制在theta
参数中。 因此,我们创建了一个包含元素y
和yrep
的对象,并将其yrep
foo
类
x <- list(y = y, yrep = jagsfit$BUGSoutput$sims.list$theta)
class(x) <- "foo"
然后我们可以为foo
类的对象编写一个pp_check
方法。 这直接来自bayesplot::pp_check()
的帮助文件。
pp_check.foo <- function(object, ..., type = c("multiple", "overlaid")) {
y <- object[["y"]]
yrep <- object[["yrep"]]
switch(match.arg(type),
multiple = ppc_hist(y, yrep[1:min(8, nrow(yrep)),, drop = FALSE]),
overlaid = ppc_dens_overlay(y, yrep[1:min(8, nrow(yrep)),, drop = FALSE]))
}
然后,只需调用该函数:
pp_check(x, type="overlaid")
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.