brms 模型的边际效应诊断

Question

我正在使用

marginaleffects

来计算使用

brms

拟合的贝叶斯 Logit 模型的边际治疗效果：

fit <- brm(y ~ (treat|state) + treat + age + sex + race, family = "bernoulli", data = dat)
mfx <- avg_slopes(fit, variable = "treat", by = "state")

avg_slopes

函数返回一个汇总表，包括每个状态的治疗效果的估计值和 95% CI。

我想对每个边际效应的链进行一些诊断。至少，我想计算每种治疗效果的效果。如果我可以通过链提取与每个边际效应相对应的抽奖，我知道如何做到这一点 - 那么有没有办法做到这一点？我知道有

posterior_draws

函数，但是这是从后验中采样的，因此对于提取链或计算 rhats 的目的没有帮助。

Answer 1

考虑使用

posterior_draws()

输出

rvar

对象，可以 然后由

posterior

包处理：

library(brms)
library(marginaleffects)
library(posterior)
mod <- brm(mpg ~ wt * hp, data = mtcars)
slo <- avg_slopes(mod)
dra <- posterior_draws(slo, shape = "rvar")

sapply(dra$rvar, posterior::rhat)

    hp.main_marginaleffect.dY/dX wt.main_marginaleffect.dY/dX 
                        1.001199                     1.000394 
sapply(dra$rvar, posterior::ess_basic)

    hp.main_marginaleffect.dY/dX wt.main_marginaleffect.dY/dX 
                        4119.939                     3711.978 

sapply(dra$rvar, posterior::mcse_mean)

    hp.main_marginaleffect.dY/dX wt.main_marginaleffect.dY/dX 
                     0.000121686                  0.009075347