brms hurdle_lognormal模型：这是将后验值转换为y变量单位，并将障碍值转换为概率的正确方法吗？

问题描述

我有一个零膨胀的y变量。

能否请您确认我的解决方案，以将brms跨栏对数正态后验值转换为有意义的估计值，例如y变量单位（对数正态部分）或零概率（跨栏部分）。

模型

model = brm(br(y ~ (1 | county),hu ~ (1 | county),data = data,family = hurdle_lognormal())

后验变量

get_variables(model)

 [1] "b_Intercept"                  
 [2] "b_hu_Intercept"               
 [3] "sd_county__Intercept"         
 [4] "sd_county__hu_Intercept"      
 [5] "sigma"     
                   
 [6] "r_county[A,Intercept]"     
 [7] "r_county[B,Intercept]"    
 [8] "r_county[C,Intercept]"    
 [9] "r_county[D,Intercept]"  
   
[10] "r_county__hu[A,Intercept]"  
[11] "r_county__hu[B,Intercept]"  
[12] "r_county__hu[C,Intercept]"  
[13] "r_county__hu[D,Intercept]" 

[14] "lp__"                         
[15] "accept_stat__"                
[16] "stepsize__"                   
[17] "treedepth__"                  
[18] "n_leapfrog__"                 
[19] "divergent__"                  
[20] "energy__" 

每个县的平均y值计算解决方案

我必须添加“ b_Intercept”和“ r_county [，Intercept]”，并采用exp（）？在代码中：

model %>%
  spread_draws(b_Intercept,r_county[county,]) %>%
  median_qi(condition_mean = exp(b_Intercept + r_county))

每个县计算零概率（y = 0）的解决方案

我必须添加“ b_hu__Intercept”和“ r_county__hu [，Intercept]”，并将其放入inv_logit_scaled（）函数中吗？在代码中：

m %>%
  spread_draws(b_hu_Intercept,r_county__hu[county,]) %>%
  median_qi(condition_mean = inv_logit_scaled(b_hu_Intercept + r_county__hu))

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）