Отсутствует вычисление переменной предиктора Байесовского ANOVA с использованием stan_aov из пакета rstanarm - PullRequest
Новая
       127

Отсутствует вычисление переменной предиктора Байесовского ANOVA с использованием stan_aov из пакета rstanarm

0 голосов
/ 06 ноября 2019

Я вычисляю байесовский ANOVA, чтобы выяснить, как моя переменная заголовка влияет на FirstSteeringTime. Вот пример моего набора данных: 

x <- structure(list(FirstSteeringTime = c(0.433389999999999, 0.449999999999989, 
0.383199999999988, 0.499899999999997, 0.566800000000001, 0.58329999999998, 
0.5, 0.449799999999982, 0.566600000000022, 0.466700000000003, 
0.433499999999981, 0.466799999999978, 0.549900000000036, 0.483499999999992, 
0.533399999999972, 0.433400000000006, 0.533200000000022, 0.450799999999999, 
0.45022, 0.46651, 0.68336, 0.483400000000003, 0.5167, 0.383519999999997, 
0.583200000000005, 0.449999999999989, 0.58329999999998, 0.4999, 
0.5334, 0.4666, 0.433399999999978, 0.41670000000002, 0.416600000000017, 
0.45010000000002, 0.666700000000048, 0.433399999999949, 0.466700000000003, 
0.666600000000017, 0.516800000000046, 0.199900000000014, 0.400039999999997, 
0.150100000000009, 0.583399999999983, 0.483400000000017, 0.400099999999952, 
0.666600000000017, 0.434087937888119, 0.516692671379801, 0.533482992494996, 
0.516702632558399), pNum = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 10L, 10L, 10L, 10L), heading = structure(c(4L, 
1L, 4L, 3L, 4L, 3L, 4L, 3L, 4L, 1L, 4L, 4L, 4L, 4L, 4L, 3L, 3L, 
3L, 4L, 4L, 2L, 3L, 4L, 2L, 1L, 2L, 1L, 3L, 1L, 2L, 4L, 3L, 3L, 
4L, 2L, 4L, 4L, 1L, 3L, 4L, 3L, 4L, 3L, 3L, 2L, 3L, 2L, 2L, 2L, 
3L), .Label = c("0.5", "1", "1.5", "2"), class = "factor")), row.names = c(NA, 
50L), class = "data.frame")

Сначала я подгоняю свою байесовскую модель ANOVA: 

op <- options(contrasts = c("contr.helmert", "contr.poly"))

fit_aov <- stan_aov(FirstSteeringTime ~ heading, data = x, prior = R2(0.5))

Моя модель показывает, что у меня есть 4 предиктора. Это верно, как и для уровней моей переменной заголовка - 0,5, 1, 1,5 и 2: 


fit_aov

stan_aov
 family:       gaussian [identity]
 formula:      FirstSteeringTime ~ heading
 observations: 50
 predictors:   4
------
            Median MAD_SD
(Intercept) 0.5    0.0   
heading1    0.0    0.0   
heading2    0.0    0.0   
heading3    0.0    0.0   

Auxiliary parameter(s):
              Median MAD_SD
R2            0.1    0.1   
log-fit_ratio 0.0    0.1   
sigma         0.1    0.0   

ANOVA-like table:
                Median MAD_SD
Mean Sq heading 0.0    0.0   

Sample avg. posterior predictive distribution of y:
         Median MAD_SD
mean_PPD 0.5    0.0

Однако, когда я вычисляю интервал моей области практической эквивалентности (ROPE) и сравниваю его с моими ИЧР,Кажется, у меня есть только три предиктора, показывающие? 

pd <- p_direction(fit_aov)
percentage_in_rope <- rope(fit_aov, ci = 1)

# Visualise the pd
plot(pd)

pd

 Parameter      pd
   (Intercept) 100.00%
      heading1  80.35%
      heading2  79.47%
      heading3  98.78%
 log-fit_ratio  60.48%
            R2 100.00%

HDIs for Probability of Direction Теперь моя первая мысль была о том, что один уровень переменной заголовка может иметь очень маленький эффект и, следовательно, не будетбыть достаточно большим для создания ИЧР? Но я не уверен. У кого-нибудь есть идеи? Также может кто-нибудь объяснить мне, каково соотношение размеров журнала / R2 и какую информацию они мне сообщают?

Любая помощь наиболее ценится!

1 Ответ

0 голосов
/ 06 ноября 2019

Подумав, возможно, различные ИЧР соответствуют последовательному характеру накопления данных и реконструкции моих ИЧР? т.е. я начинаю с одного уровня моего предиктора и добавляю другой для каждого ИЧР. Когда я их добавляю, мои ИЧР становятся меньше, потому что я могу быть более уверенным в возможных значениях параметров размера моего эффекта? Просто некоторые мысли от меня.

...