R tidyposterior summary.posterior_diff 总结模型差异的后验分布

为差异创建可信区间。此外，当给定差异的有效大小时，会计算实际等效区域 (ROPE) 统计数据。

用法

# S3 method for posterior_diff
summary(object, prob = 0.9, size = 0, ...)

参数

object: 由 contrast_models() 生成的对象。
prob: 数字 p (0 < p < 1)，表示间隔中包含的所需概率质量。
size: 所选指标单位的有效差异大小。例如，两个模型之间的准确度 (size = 0.05) 提高 5% 可能会被视为 "real" 差异。
...: 目前未使用

值

包含每次比较的间隔和 ROPE 统计数据的 DataFrame 。

细节

结果中包含的 ROPE 估计值是 pract_neg 、 pract_equiv 和 pract_pos 列。 pract_neg 对 -size 下面的后验部分进行积分(而 pract_pos 是从 size 开始的上部积分)。解释取决于所分析的指标是越大越好还是越小越好。 pract_equiv 集成在 [-size, size] 之间。如果该值接近于 1，则这两个模型相对于 size 不太可能有实际不同。

例子

data("ex_objects")

summary(contrast_samples)
#> # A tibble: 2 × 9
#>   contrast probability     mean   lower  upper  size pract_neg pract_equiv
#>   <chr>          <dbl>    <dbl>   <dbl>  <dbl> <dbl>     <dbl>       <dbl>
#> 1 logisti…       1      3.29e-2  0.0196 0.0462     0        NA          NA
#> 2 logisti…       0.472 -5.40e-4 -0.0142 0.0130     0        NA          NA
#> # … with 1 more variable: pract_pos <dbl>
summary(contrast_samples, size = 0.025)
#> # A tibble: 2 × 9
#>   contrast probability     mean   lower  upper  size pract_neg pract_equiv
#>   <chr>          <dbl>    <dbl>   <dbl>  <dbl> <dbl>     <dbl>       <dbl>
#> 1 logisti…       1      3.29e-2  0.0196 0.0462 0.025    0            0.168
#> 2 logisti…       0.472 -5.40e-4 -0.0142 0.0130 0.025    0.0036       0.994
#> # … with 1 more variable: pract_pos <dbl>

源代码：R/contrasts.R

相关用法

注：本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Summarize Posterior Distributions of Model Differences。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。