Brms:在有序回归中绘制三向交互
Brms: plotting three-way interaction in ordinal regression
(来自 mcstan 的交叉发布)
操作系统:Ubuntu 18.04.5 LTS
brms 版本:2.13.5
我有 运行 使用 Buerkner 的 brms
包(它为 stan 提供了一个用户友好的界面)的贝叶斯序数回归,现在我正在尝试绘制三个分类预测变量(形态学, Cluster2, CountryExperiment) 对响应变量(7 分的李克特量表)。密切关注 the information written by Paul Buerkner on conditional_effects 他的包裹,我使用了以下代码:
#model
fit_sc1 <- brm(
formula = response ~ 1 + Cluster2*Morphology*CountryExperiment,
data = datafile.for.model,
family = cumulative("probit")
)
#plot
conditions <- make_conditions(fit_sc1, "Morphology")
conditional_effects(fit_sc1, "Cluster2:CountryExperiment", conditions = conditions, categorical=TRUE)
但我收到以下警告:
Error: No valid effects detected.
In addition: Warning message:
Interactions cannot be plotted directly if 'categorical' is TRUE. Please use argument 'conditions' instead.
请注意,如果我从上面的代码中删除 categorical=TRUE
,则会绘制三向交互:该图显示了三个方面的预测变量。但是随后响应变量被视为
情节上的连续变量(而不是序数),这对于序数家庭可能无效。
我得到了一个很好的图,将响应变量视为序数,但前提是我删除了其中一个效应。但这不再是三向交互,这才是我真正感兴趣的...
看起来 Buerkner 的 conditional_effects
只适用于线性回归三向交互...有人设法解决这个问题吗?我怀疑可以使用回归的后验样本来做到这一点并从头开始创建一个图(那将是最好的选择),但我对序数回归中截距的解释没有足够的信心自己完成这一切.
谢谢!
我设法得到了我想要的结果,使用序数回归的后验样本来重建因子设计中所有单元格的响应概率。我使用 Buerkner & Vuorre's paper 中的等式 (5) p 79 来计算 12 个条件(我的三个变量的所有组合)中的每一个的我的 7 个响应(沿着 7 分李克特量表)中的每一个的概率。等式 (5) 将每个响应类别 k
的概率 P(Response=k)
定义为 (i) 拆分基础连续量表的 6 个阈值,(ii) 预测变量,以及 (iii)相应的回归系数。这很乏味,但它确实有效......开发一个自动执行此操作的功能会很好。
(来自 mcstan 的交叉发布)
操作系统:Ubuntu 18.04.5 LTS
brms 版本:2.13.5
我有 运行 使用 Buerkner 的 brms
包(它为 stan 提供了一个用户友好的界面)的贝叶斯序数回归,现在我正在尝试绘制三个分类预测变量(形态学, Cluster2, CountryExperiment) 对响应变量(7 分的李克特量表)。密切关注 the information written by Paul Buerkner on conditional_effects 他的包裹,我使用了以下代码:
#model
fit_sc1 <- brm(
formula = response ~ 1 + Cluster2*Morphology*CountryExperiment,
data = datafile.for.model,
family = cumulative("probit")
)
#plot
conditions <- make_conditions(fit_sc1, "Morphology")
conditional_effects(fit_sc1, "Cluster2:CountryExperiment", conditions = conditions, categorical=TRUE)
但我收到以下警告:
Error: No valid effects detected.
In addition: Warning message:
Interactions cannot be plotted directly if 'categorical' is TRUE. Please use argument 'conditions' instead.
请注意,如果我从上面的代码中删除 categorical=TRUE
,则会绘制三向交互:该图显示了三个方面的预测变量。但是随后响应变量被视为
情节上的连续变量(而不是序数),这对于序数家庭可能无效。
我得到了一个很好的图,将响应变量视为序数,但前提是我删除了其中一个效应。但这不再是三向交互,这才是我真正感兴趣的...
看起来 Buerkner 的 conditional_effects
只适用于线性回归三向交互...有人设法解决这个问题吗?我怀疑可以使用回归的后验样本来做到这一点并从头开始创建一个图(那将是最好的选择),但我对序数回归中截距的解释没有足够的信心自己完成这一切.
谢谢!
我设法得到了我想要的结果,使用序数回归的后验样本来重建因子设计中所有单元格的响应概率。我使用 Buerkner & Vuorre's paper 中的等式 (5) p 79 来计算 12 个条件(我的三个变量的所有组合)中的每一个的我的 7 个响应(沿着 7 分李克特量表)中的每一个的概率。等式 (5) 将每个响应类别 k
的概率 P(Response=k)
定义为 (i) 拆分基础连续量表的 6 个阈值,(ii) 预测变量,以及 (iii)相应的回归系数。这很乏味,但它确实有效......开发一个自动执行此操作的功能会很好。