Brms：在有序回归中绘制三向互动

问题描述

（来自mcstan的交叉发布）

操作系统：Ubuntu 18.04.5 LTS

brms版本：2.13.5

我已经使用Buerkner的brms程序包（提供了一个便于用户使用stan的界面）运行贝叶斯有序回归，现在正尝试绘制三个分类预测变量（形态，Cluster2，CountryExperiment）对响应变量（李克特量表（7分））。紧跟the information written by Paul Buerkner on conditional_effects打包之后，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)

但是我收到以下警告：

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了categorical=TRUE，则绘制了三向交互关系：该图以构面显示了三个预测变量。但是然后将响应变量视为 连续变量（而不是序数），对于序数家庭可能无效。

我得到一个很好的图，将响应变量视为序数，但前提是我删除了其中一种效应。但这不再是三向互动，这才是我真正感兴趣的...

看来Buerkner的conditional_effects仅适用于线性回归三向交互...是否有人设法解决了这个问题？我怀疑是否可以使用回归的后验样本进行此操作并从头开始创建图（这将是最佳选择），但是我对序数回归中的截距的解释不够自信，无法独自完成所有工作

谢谢！

解决方法

我使用序数回归的后验样本设法重构了因子设计中所有单元的响应概率，从而得到了想要的结果。我使用Buerkner & Vuorre's paper中的公式（5）p 79来查找针对12个条件（我的三个变量的所有组合）中的每7个响应（沿着7点李克特量表）的概率。公式（5）根据以下条件定义每个响应类别P(Response=k)的概率k ：( i）划分底层连续标度的6个阈值，（ii）预测变量和（iii）相应的回归系数。这很繁琐，但可以正常工作...最好开发一个自动执行此功能的功能。