easystats/bayestestR

解决的问题

许多 R 包可以拟合贝叶斯模型并提取后验抽样，但通常只提供有限的指标，如点估计和置信区间。bayestestR 通过提供一套全面且一致的函数，用于分析和描述来自各种模型对象（包括 rstanarm、brms 和 BayesFactor）的后验分布，解决了这一问题。

工作原理

该包提供工具，使用四种主要类型的指标来总结后验分布（以概率方式表示参数）：

• 中心性：使用均值、中位数或最大后验估计（MAP 估计，即众数）来估计分布的中心。
• 不确定性：使用最高密度区间（HDI）、最短概率区间（SPI）或等尾区间（ETI）等方法计算可信区间（CI）。
• 效应存在性：使用方向概率（pd）、点零假设的概率或贝叶斯因子（BF）来判断效应是否与零不同。
• 效应显著性：使用实际等价区域（ROPE）评估效应大小是否非可忽略，ROPE 定义了被认为与零假设在实际意义上等价的值范围。

适用人群

专为使用 R 进行贝叶斯分析并需要标准化方式描述效应及其不确定性、存在性和显著性的研究人员和数据科学家设计。

主要亮点

• 统一接口：describe_posterior() 函数可同时计算多个指标（中心性、不确定性、存在性、显著性）。
• 灵活兼容：与 brms 和 rstanarm 等流行的贝叶斯建模包兼容。
• 高级检验：实现了用于贝叶斯因子的萨维奇-迪基密度比和基于 ROPE 的等价性检验。
• 自动范围检测：包含 rope_range()，可帮助用户根据模型类型找到实际等价区域的合适默认值。