“$ 运算符对于原子向量无效”错误如何解决？

Question

我正在尝试使用贝叶斯 GLM 执行 CAPM 回归分析。我已经开发了下面的 R 代码，但是当我尝试拟合模型进行后验预测检查时，我得到了

posterior_intercept <- fitted(model_capm)$Estimate[1,]

。我尝试将创建的变量

Error in fitted(model_capm)$Estimate:$ operator is invalid for atomic vectors

转换为数据框，因为它已创建为

model_capm

但没有成功。我正在尝试获得此输出：

这是错误行之前的代码：

Large brmsfit

Answer 1

library(ggplot2)
library(dplyr)
library(brms) 
library(bayesplot)

set.seed(42)
size <- 200
Rf <- 0.02
ERm <- 0.1
beta <- 1.5
sigma <- 0.05

ERm_samples <- rnorm(size, ERm, sigma)

epsilon <- rnorm(size, 0, sigma)
ERi_samples <- Rf + beta * (ERm_samples - Rf) + epsilon

market_excess_return <- ERm_samples - Rf
asset_excess_return <- ERi_samples - Rf

data_capm <- data.frame(market_excess_return=market_excess_return, asset_excess_return=asset_excess_return)

ggplot(data_capm, aes(x=market_excess_return, y=asset_excess_return)) +
  geom_point(aes(color='Sampled Data')) +
  labs(x='Market Excess Return', y='Asset Excess Return', title='Generated CAPM Data') +
  theme_minimal()

# Bayesian regression using brms
model_capm <- brm(asset_excess_return ~ market_excess_return, data = data_capm, 
                  family = gaussian(), prior = c(
                    prior(normal(0, 20), class = Intercept),
                    prior(normal(0, 20), class = b),
                    prior(cauchy(0, 10), class = sigma)
                  ))

# Plotting the trace
trace_capm <- as.mcmc(model_capm) 
bayesplot::mcmc_trace(trace_capm)

# Posterior predictive checks
posterior_intercept <- fitted(model_capm)$Estimate[1,]
posterior_slope <- fitted(model_capm)$Estimate[2,]

posterior_intercept <- fitted(model_capm)[1, "Estimate"]
posterior_slope <- fitted(model_capm)[2, "Estimate"]

x_plot <- seq(min(market_excess_return), max(market_excess_return), length.out = 100)

ggplot(data_capm, aes(x=market_excess_return, y=asset_excess_return)) +
  geom_point(alpha=0.5) +
  geom_abline(intercept=mean(posterior_intercept), 
              slope=mean(posterior_slope), 
              color="blue", 
              linetype="dashed") +
  labs(x='Market Excess Return', 
       y='Asset Excess Return', 
       title='Posterior Predictive Regression Lines with Observed Data') +
  theme_minimal()

检索数据，或者尝试将对象转换为数据框（或 tibble，我的偏好，使用

[]

）。这里：as_tibble()

这应该可以让您访问所有后验分布
再说一遍，您始终可以访问 

fitted_ <- fitted(model_capm)
class(fitted_)
as_tibble(fitted_)

等..

最后，您只需通过环境按下模型对象即可查看其结构。当您将鼠标悬停在右侧时，您会看到一个按钮，如果单击它，它将粘贴在控制台中调用该对象的方法