バンビを使用したポアソン回帰の結果は正しくありませんか？

Question

私はbambi（バージョン0.1.0）に簡単なポアソン回帰モデルを試してみます。しかし、ストレートpymc3や統計モデルの実装と比較して結果が異なり、bambiが私に与える係数をどのように解釈するのか分からないようです。テストコードは以下の通りです。私はモデルを間違って指定したのでしょうか、またはバンビの自動前哨部に依存してはいけませんか？

import numpy as np 
import scipy.stats 
import pandas 
import patsy 
import statsmodels 
import pymc3 
import bambi 

%matplotlib inline 

# generate data 
num_subjects = 4 
mu = [5, 8, 10, 11] 
num_samples = [43, 60, 56, 38] 

counts = [scipy.stats.poisson.rvs(m,size=n,random_state=m) for m,n in zip(mu,num_samples)] 
counts = np.concatenate(counts) 
subject = np.repeat(np.arange(num_subjects), num_samples) 

df = pandas.DataFrame(np.vstack([subject,counts]).T, columns=['subject','counts']) 

# sample means 
print(df.groupby('subject').mean()) 

# subject 0 = 5.0 
# subject 1 = 7.4 
# subject 2 = 9.5 
# subject 3 = 10.0 


# fit with bambi 
model_bambi = bambi.Model(df) 
result_bambi = model_bambi.fit('counts ~ C(subject)', categorical=['subject'], family='poisson', chains=2) 

print(result_bambi.summary(hpd=None, diagnostics=None)) 

# resulting posterior means: 
# Intercept  9.3310 -> ? 
# C(subject)[T.1] 3.8171 -> ? 
# C(subject)[T.2] 4.4419 -> ? 
# C(subject)[T.3] 3.8652 -> ? 


# fit directly with pymc3 
with pymc3.Model() as model_pymc3: 
    pymc3.glm.GLM.from_formula("counts ~ C(subject)", df, family=pymc3.glm.families.Poisson()) 
    trace = pymc3.sample(2000, njobs=2, tune=500) 

pymc3.plot_posterior(trace, varnames=[x for x in trace.varnames if x[:2]!='mu']); 

# resulting posterior means: 
# Intercept  1.6065 -> mu = 5.0 = exp(1.6065) 
# C(subject)[T.1] 0.3990 -> mu = 7.4 = exp(1.6065+0.3990) 
# C(subject)[T.2] 0.6477 -> mu = 9.5 = exp(1.6065+0.6477) 
# C(subject)[T.3] 0.6977 -> mu = 10.0 = exp(1.6065+0.6977) 


# fit with statsmodels 
my, mx = patsy.dmatrices("counts ~ C(subject)", df, NA_action='raise') 
model_sm = statsmodels.api.GLM(my, mx, family=statsmodels.api.families.Poisson()) 
result_sm = model_sm.fit() 

print(result_sm.summary()) 

# resulting posterior means: 
# Intercept  1.6094 -> mu = 5.0 = exp(1.6094) 
# C(subject)[T.1] 0.3965 -> mu = 7.4 = exp(1.6094+0.3965) 
# C(subject)[T.2] 0.6456 -> mu = 9.5 = exp(1.6094+0.6456) 
# C(subject)[T.3] 0.6958 -> mu = 10.0 = exp(1.6094+0.6958) 

Answer 1

（非常に）遅い返答に対する謝罪。私は[bambi]タグを購読していませんでしたが（ただ今）、ちょうどこれを見ました。これは実際にはバグです（詳細はhereです）。私はちょうどそれのためのPRを開いたので、あなたがレポからクローンを作成する場合、問題は解決されるべきです（そして私は新しいPyPIリリースをソートして発行します）。私はこれがおそらくこの時点であなたにはあまり役に立たないと思っていますが、とにかくそれを報告してくれてありがとう。今後同様の問題が発生した場合は、GitHubリポジトリのopen an issueをご利用ください。これは間違いなくバグ領域に該当します。