贝叶斯线性（混合）模型的总体预测能力（例如 R2）

【问题标题】：Overall predictive power (e.g. R2) for Bayesian Linear (Mixed) Models贝叶斯线性（混合）模型的总体预测能力（例如 R2）
【发布时间】：2017-06-26 12:04:56
【问题描述】：

在this 关于期刊报告的问题之后，我想知道使用stan_lmer 拟合的贝叶斯模型是否有任何总体效应大小指数？

在频率论框架中，例如伪 R2（由this 包计算）返回边际（仅由固定因子解释的方差比例）和条件（由固定和随机因素解释的方差比例）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。

【问题讨论】：

我已经使用 BEST 包计算了贝叶斯模型的效果大小，不确定这是否对您有帮助 stan_lmer。有一个讨论 here 可能会有所帮助。

标签： r bayesian mixed-models stan rstan

【解决方案1】：

对于stan_lm 或stan_glm 和family = gaussian(link = "identity")，您可以计算R 平方的后验分布

R2 <- rowSums(posterior_linpred(post)^2) / rowSums(posterior_predict(post)^2)

其中post 是stan_lm 或stan_glm 返回的对象。对于stan_lmer 或（等效地）stan_glmer 和family = gaussian(link = "identity")，您可以做类似的事情，但必须对如何处理特定于组的术语（即(1 | group)）采取立场。 re.form 到 posterior_linpred 和 posterior_predict 的参数为您提供了几个选项，但默认情况下，特定于组的术语是有条件的。或者，您可以将（其中一些）设置为零或传递带有新组级别的data.frame 以集成（部分）组特定术语。

【讨论】：