stan-dev/rstanarm

解决的问题

rstanarm 为 R 中的贝叶斯应用回归建模提供了易于入门的入口。它通过模仿常见的频率学派模型拟合函数（如 glm 或 lm）的语法和行为，解决了贝叶斯软件学习曲线陡峭的问题，使用户无需手动编写复杂的 Stan 代码即可进行贝叶斯推断。

工作原理

该包作为 rstan 包和 Stan 概率编程语言的接口。它使用由 Stan 开发者优化的预编译 Stan 程序，以确保数值稳定性和采样效率。用户使用标准的 R 公式和数据框指定模型，该包会自动将模型转换为 Stan 的后端估计。

支持多种估计算法：

• 采样（MCMC）：默认且最可靠的方法，使用哈密顿蒙特卡洛（HMC）。
• 均值场变分推断：对后验分布的快速近似。
• 全秩变分推断：比均值场更真实但计算成本更高的近似。
• 优化：使用 L-BFGS 算法寻找后验众数（目前仅支持 stan_glm）。

适用人群

• 希望使用熟悉的 R 语法从频率学派推断过渡到贝叶斯推断的频率学派研究人员。
• 希望避免从零开始编写自己的 Stan 模型，而使用专业实现、稳定可靠的预编译模型的资深贝叶斯用户。

特色亮点

• 广泛的模型支持：包括线性模型（stan_lm）、广义线性模型（stan_glm）、混合效应模型（stan_glmer）、非线性混合效应模型（stan_nlmer）以及纵向和生存数据的联合模型（stan_jm）。
• 生态系统集成：与 bayesplot（用于后验预测检查）、loo（用于交叉验证和模型比较）以及 shinystan（用于基于 GUI 的诊断）无缝集成。
• 可自定义先验：允许用户为模型参数指定先验分布，以融入先验知识。
• 数值稳定性：使用 Stan 开发者编写的预编译程序，最大限度减少采样问题。