stan-dev/rstanarm

解決的問題

rstanarm 為 R 中的貝葉斯應用迴歸建模提供了易於入門的入口。它透過模仿常見的頻率主義模型擬合函數（如 glm 或 lm）的語法與行為，解決了貝葉斯軟體學習曲線陡峭的問題，讓使用者無需手動撰寫複雜的 Stan 程式即可進行貝葉斯推論。

工作原理

此套件作為 rstan 套件與 Stan 概率程式語言的介面。它使用由 Stan 開發者優化過的預編譯 Stan 程式，以確保數值穩定性與取樣效率。使用者使用標準的 R 公式與資料框指定模型，套件會自動將模型轉換為 Stan 的後端估計。

支援多種估計演算法：

• 取樣（MCMC）：預設且最可靠的作法，使用哈密頓蒙地卡羅（HMC）。
• 平均場變分推論：對後驗分佈的快速近似。
• 全秩變分推論：比平均場更真實但計算成本更高的近似。
• 最佳化：使用 L-BFGS 算法尋找後驗眾數（目前僅支援 stan_glm）。

適用對象

• 希望使用熟悉的 R 語法從頻率主義推論過渡到貝葉斯推論的頻率主義研究人員。
• 希望避免從零開始撰寫自己的 Stan 模型，而使用專業實作、穩定可靠的預編譯模型的資深貝葉斯使用者。

特色亮點

• 廣泛的模型支援：包含線性模型（stan_lm）、廣義線性模型（stan_glm）、混合效應模型（stan_glmer）、非線性混合效應模型（stan_nlmer）以及縱向與生存資料的聯合模型（stan_jm）。
• 生態系統整合：與 bayesplot（用於後驗預測檢驗）、loo（用於交叉驗證與模型比較）以及 shinystan（用於 GUI 基礎診斷）無縫整合。
• 可自訂先驗：允許使用者為模型參數指定先驗分佈，以融入先驗知識。
• 數值穩定性：使用 Stan 開發者撰寫的預編譯程式，最大限度減少取樣問題。