为什么tab_modelsjPlot用rstanarm模型重新运行MCMC？

问题描述

我正在使用tab_model（https://cran.r-project.org/web/packages/sjPlot/vignettes/tab_model_estimates.html）包中的sjPlot创建一个表。

但是，当我使用负二项式rstanarm模型对象时，tab_model重新运行MCMC链。 我的实际模型要花很多时间才能运行，因此对于tab_model而言，这样做并不理想，但是对于其他模型（例如{{1中的glmer }}。

lme4

现在创建模型表：

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)

输出很快，并且符合预期（尽管原始模型也运行很快，所以library(sjPlot) tab_model(mod1) 也有可能在此处重新运行模型）。

现在当我尝试

tab_model

它开始重新运行MCMC。是这种正常行为吗？如果是这样，是否有人熟悉一种关闭此行为的方法，只使用已经创建的模型对象，而不是重新运行模型？

解决方法

tl; dr 我认为，除非同时破解insight软件包和这个软件包，或者要求软件包维护者进行修改，否则除非您愿意，否则很难避免这种情况。放弃打印ICC，R ^ 2，和随机效应方差。 Here，tab_model()调用insight::get_variance()，该方法尝试为空模型计算方差，以便可以计算ICC和R ^ 2。计算这些差异需要重新运行模型。 （对glmer.nb执行此操作时，它会通过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)

不重新计算任何内容。从理论上讲，我认为应该仅用show.r2=FALSE,show.icc=FALSE就可以跳过重采样/重新计算步骤（即，不必获取RE var），但这将需要一些技巧/维护者的参与。

---

进入（通过使用debug(rstan::sampling)停止在Stan采样函数内部，然后使用where来查看调用堆栈...

• tab_model()呼叫insight::get_variance() here
• insight::get_variance.stanreg()方法调用insight:::.compute_variances()
• ...呼叫insight:::.compute_variance_distribution()
• ...（对于日志链接计数分配）调用insight:::.variance_distributional()
• ...呼叫null_model
• ...呼叫.null_model_mixed()
• ...呼叫stats::update()