为什么 tab_model (sjPlot) re-运行 MCMC with rstanarm 模型？

Question

我正在用包 sjPlot (https://cran.r-project.org/web/packages/sjPlot/vignettes/tab_model_estimates.html) 中的 tab_model 创建一个 table。

但是，当我使用负二项式 rstanarm 模型对象时，tab_model 重新运行s MCMC 链。我的实际模型需要很多小时才能运行，所以这对于 tab_model 来说并不理想，但它似乎并不适用于其他模型（例如 glmer在 lme4).

library(rstanarm)
library(lme4)

dat.nb<-data.frame(x=rnorm(200),z=rep(c("A","B","C","D"),50),
                y=rnbinom(200,size=1,prob = .5))

mod1<-glmer.nb(y~x+(1|z),data=dat.nb)

options(mc.cores = parallel::detectCores())
mod2<-stan_glmer.nb(y~x+(1|z),data=dat.nb)

现在创建模型 tables:

library(sjPlot)
tab_model(mod1)

输出很快，正如预期的那样（尽管原始模型也运行很快，所以 tab_model 可能也在此处重新运行模型） .

现在当我尝试

tab_model(mod2)

它开始重新运行 MCMC。这是正常行为吗？如果是的话，有没有人知道关闭它的方法，只使用已经创建的模型对象，而不是重新运行模型？

Answer 1

tl;dr 我认为如果不破解 insight 包和这个包，或者要求包维护者进行编辑，这将很难避免, 除非你想放弃打印 ICC, R^2, and the random-effects variance. Here、tab_model() 调用 insight::get_variance()，它会尝试计算空模型的方差，以便计算 ICC 和 R^2。计算这些方差需要 re-running 模型。（当它为 glmer.nb 执行时，它经过 lme4:::update.merMod() 并且速度足够快，您不会注意到计算时间。）

所以

tab_model(mod2,show.r2=FALSE,show.icc=FALSE,show.re.var=FALSE)

不重新计算任何东西。从理论上讲，我认为应该可以跳过 resampling/recomputation 步骤，只需要 show.r2=FALSE, show.icc=FALSE （即不需要获取 RE var），但是这将需要维护者 hacking/participation。

深入挖掘（通过使用 debug(rstan::sampling) 在 Stan 采样函数内部停止，然后 where 查看调用堆栈 ...

tab_model() 呼叫 insight::get_variance() here
insight::get_variance.stanreg() 方法调用 insight:::.compute_variances()
... 调用 insight:::.compute_variance_distribution()
...（对于 log-link 计数分布）调用 insight:::.variance_distributional()
... 调用 null_model
... 调用 .null_model_mixed()
... 调用 stats::update()

为什么 tab_model (sjPlot) re-运行 MCMC with rstanarm 模型？

Why does tab_model (sjPlot) re-run MCMC with rstanarm model?

r

lme4

mixed-models

sjplot

rstanarm