私は現在、APA-6の推奨にしたがって、rstanarm::stan_lmer()
の出力を報告する方法に苦労しています。rstanarmを使用してAPAスタイルのベイジアンリニア(混合)モデルをレポートするにはどうすればよいですか?
最初に、私は頻繁なアプローチの中で混合モデルを適合させ、次にベイジアンフレームワークを使って同じことを試みます。
ここでデータを取得するための再現性のあるコードです:
library(tidyverse)
library(neuropsychology)
library(rstanarm)
library(lmerTest)
df <- neuropsychology::personality %>%
select(Study_Level, Sex, Negative_Affect) %>%
mutate(Study_Level=as.factor(Study_Level),
Negative_Affect=scale(Negative_Affect)) # I understood that scaling variables is important
それでは、(負の影響を与える負にセックスの影響をテストするための「伝統的な」方法(女性/男性)で線形混合モデルに適合してみましょうムード)と学習レベル(教育年数)との関係をランダムな要素として扱う。
fit <- lmer(Negative_Affect ~ Sex + (1|Study_Level), df)
summary(fit)
出力は以下の通りです:
Linear mixed model fit by REML t-tests use Satterthwaite approximations to degrees of
freedom [lmerMod]
Formula: Negative_Affect ~ Sex + (1 | Study_Level)
Data: df
REML criterion at convergence: 3709
Scaled residuals:
Min 1Q Median 3Q Max
-2.58199 -0.72973 0.02254 0.68668 2.92841
Random effects:
Groups Name Variance Std.Dev.
Study_Level (Intercept) 0.04096 0.2024
Residual 0.94555 0.9724
Number of obs: 1327, groups: Study_Level, 8
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 0.01564 0.08908 4.70000 0.176 0.868
SexM -0.46667 0.06607 1321.20000 -7.064 2.62e-12 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr)
SexM -0.149
それを報告するために、私たちは否定的で線形混合モデルは、結果変数として影響を与え取り付け、予測因子と研究レベルのようなセックスが入力された」と言うでしょう。ランダム効果として、このモデルの中で、男性のレベルは負の有意な減少につながった影響を与える(ベータ= -0.47、T(1321)= - 7.06、P < 0.001)
は正しい
です。?それでは、rstanarm
を使用してベイズフレームワーク内でモデルに適合してみましょう:
fitB <- stan_lmer(Negative_Affect ~ Sex + (1|Study_Level),
data=df,
prior=normal(location=0, scale=1),
prior_intercept=normal(location=0, scale=1),
prior_PD=F)
print(fitB, digits=2)
これが返されます。
stan_lmer
family: gaussian [identity]
formula: Negative_Affect ~ Sex + (1 | Study_Level)
------
Estimates:
Median MAD_SD
(Intercept) 0.02 0.10
SexM -0.47 0.07
sigma 0.97 0.02
Error terms:
Groups Name Std.Dev.
Study_Level (Intercept) 0.278
Residual 0.973
Num. levels: Study_Level 8
Sample avg. posterior predictive
distribution of y (X = xbar):
Median MAD_SD
mean_PPD 0.00 0.04
------
For info on the priors used see help('prior_summary.stanreg').
を私はmedian
は、係数の事後分布の中央値であるとmad_sd
よりも考えます標準偏差に相当する。これらのパラメータは、安心している頻繁に使用されるモデルのベータと標準誤差に近いものです。しかし、私はどのように形式化し、出力を言葉で表現するのか分かりません。私はモデル(summary(fitB, probs=c(.025, .975), digits=2)
)の要約をすれば
はまた、私は、事後分布の他の機能を得る:
...
Estimates:
mean sd 2.5% 97.5%
(Intercept) 0.02 0.11 -0.19 0.23
SexM -0.47 0.07 -0.59 -0.34
...
は、次の良いようなものですか?
"ベイジアンフレームワーク内の線形混合モデルを結果変数としての性別を予測変数とし、研究レベルをランダム効果として入力しました。係数と切片の優先度は正常(平均= 0このモデルでは、男性のレベルに関連する係数の事後分布の特徴は、負の影響の減少を示唆する(平均= -0.47、sd = 0.11,95%CI [-0.59、-0.34]あなたの助けのため)。
ありがとうございました。次