r - 如何迭代拟合 brms 回归模型并将均值和 sigma 提取到数据框
问题描述
鉴于sampleDT
下面的示例数据,我将不胜感激任何帮助以迭代地将 brms 模型拟合到 n 次以下,并且每次从 brmsfit 对象中提取means
and并将它们添加到 data frame 。sigma
brm.fit.n
sampleDT
如果n=10
,那么应该有 10 列means
和 10 列sigma
添加到数据框中。
我在下面的尝试没有按预期工作。它允许我运行 brms 模型n
时间并生成时间means
和sigma
n
时间,但不会按预期将它们添加到数据框中 - 每个平均值一列,每次运行的每个 sigma 一列。
#样本数据
sampleDT<-structure(list(id = 1:10, N = c(10L, 10L, 10L, 10L, 10L, 10L,
10L, 10L, 10L, 10L), A = c(62L, 96L, 17L, 41L, 212L, 143L, 143L,
143L, 73L, 73L), B = c(3L, 1L, 0L, 2L, 170L, 21L, 0L, 33L, 62L,
17L), C = c(0.05, 0.01, 0, 0.05, 0.8, 0.15, 0, 0.23, 0.85, 0.23
), employer = c(1L, 1L, 0L, 1L, 0L, 1L, 1L, 0L, 0L, 0L), F = c(0L,
0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), G = c(1.94, 1.19, 1.16,
1.16, 1.13, 1.13, 1.13, 1.13, 1.12, 1.12), H = c(0.14, 0.24,
0.28, 0.28, 0.21, 0.12, 0.17, 0.07, 0.14, 0.12), dollar.wage_1 = c(1.94,
1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_2 = c(1.93,
1.18, 3.15, 3.15, 1.12, 1.12, 2.12, 1.12, 1.11, 1.11), dollar.wage_3 = c(1.95,
1.19, 3.16, 3.16, 1.14, 1.13, 2.13, 1.13, 1.13, 1.13), dollar.wage_4 = c(1.94,
1.18, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_5 = c(1.94,
1.19, 3.16, 3.16, 1.14, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_6 = c(1.94,
1.18, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_7 = c(1.94,
1.19, 3.16, 3.16, 1.14, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_8 = c(1.94,
1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_9 = c(1.94,
1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), dollar.wage_10 = c(1.94,
1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12)), row.names = c(NA,
-10L), class = "data.frame")
#我的尝试
map_dfc(1:10, function(i) {
brm.fit.n <-brm(dollar.wage_1 ~ A + B + C + employer + F + G + H,
data=sampleDT, iter = 200, family = gaussian())
sampleDT$mean.n<-fitted(brm.fit.n)[, 1]
sampleDT$sd.n<-summary(brm.fit.n)$spec_pars[1]
return(sampleDT)
})
这个问题也已经发布在这里。提前感谢您的帮助。
解决方案
将现有代码调整为函数需要做的两件事是:
- 重复拟合
n
时间 - 将输出保存在一个漂亮的结构中
有很多方法可以做这两个部分,一个选项是purrr::map_dfr
可以同时做这两个部分,多次应用拟合并创建一个数据框。
我没有使用需要一些时间来拟合的brm
模型,而是将简单的线性模型拟合到随机数据,您只需用拟合代码替换这些部分并保存均值和 sd 而不是截距和斜率:
library(purrr)
# 1:10 - will repeat 10 times
map_dfr(1:10, function(i) {
random_data = data.frame(
x = rnorm(30),
y = rnorm(30)
)
fit = lm(y ~ x, data = random_data)
intercept = coef(fit)[1]
slope = coef(fit)[2]
return(data.frame(intercept, slope))
}, .id = "sim_num")
它给出了一个数据框作为输出:
sim_num intercept slope
1 1 0.274903632 -0.03529736
2 2 -0.005134599 -0.22063748
3 3 -0.134999713 0.12090366
4 4 -0.216886033 0.21265679
5 5 0.261365432 0.02434036
6 6 0.067069791 0.23180334
7 7 -0.235138217 0.28360061
8 8 -0.117489553 0.10781101
9 9 -0.150288480 0.03086797
10 10 -0.031814194 -0.04075479
推荐阅读
- r - 为不同比例的图形创建相同的比例
- python - 将巨大的 Networkx 文件加载到 PyQt
- c++ - 通过打包参数传递 unordered_set 作为初始化列表
- api - 无法使用 api 取消设置 Trello 卡片封面颜色
- javascript - 具有指针事件样式属性的嵌套 Iframe
- javascript - R中使用networkD3包的粗体文本
- r - Shiny - 如何创建可重用的绘图函数
- javascript - 在 Gatsby 中使用数据动态呈现信息
- c# - Unity - 从包含 MonoBehaviour 的脚本派生的类不起作用
- django - django-haystack 相关建议