为什么tab_model (sjPlot)用rstanarm模型重新运行MCMC？

Question

我正在使用tab_model从包sjPlot (estimates.html)创建一个表。

然而，当我使用负二项式rstanarm模型对象时，tab_model重新运行MCMC链.我的实际模型需要很多小时才能运行，因此对于tab_model来说，这并不理想，但对于其他模型(比如glmer in lme4)，它似乎不太理想。

library(rstanarm)
library(lme4)

dat.nb<-data.frame(x=rnorm(200),z=rep(c("A","B","C","D"),50),
                y=rnbinom(200,size=1,prob = .5))

mod1<-glmer.nb(y~x+(1|z),data=dat.nb)

options(mc.cores = parallel::detectCores())
mod2<-stan_glmer.nb(y~x+(1|z),data=dat.nb)

现在要创建模型表：

library(sjPlot)
tab_model(mod1)

​

​

输出是快速的，正如预期的那样(虽然原始模型也运行得很快，所以tab_model也有可能在这里重新运行模型)。

现在当我尝试

tab_model(mod2)

它开始重新运行MCMC。这是正常的行为吗，如果是的话，是否有人熟悉关闭它的方法，只使用已经创建的模型对象，而不是重新运行模型？

Answer 1

tl；博士--我认为，如果不对insight包和这个包进行黑客攻击，或者要求软件包维护人员进行编辑，这是很难避免的，除非您想要放弃打印ICC、R^2和随机效应方差。这里，tab_model()调用insight::get_variance()，它试图计算空模型的方差，以便计算ICC和R^2。计算这些变量需要重新运行模型。(当它用于glmer.nb时，它会通过lme4:::update.merMod()进行，并且速度足够快，以至于您没有注意到计算时间。)

所以

tab_model(mod2,show.r2=FALSE,show.icc=FALSE,show.re.var=FALSE)

不会重新计算任何东西。理论上，我认为应该可以跳过仅使用show.r2=FALSE, show.icc=FALSE的重采样/恢复步骤(即不需要获得RE )，但这需要维护人员的一些黑客/参与。

深入研究(使用debug(rstan::sampling)在Stan抽样函数中停止，然后使用where查看调用堆栈.

• tab_model()调用insight::get_variance() 这里
• insight::get_variance.stanreg()方法调用insight:::.compute_variances()
• ..。它叫insight:::.compute_variance_distribution()
• ..。其中(对于日志链接计数分发版)调用insight:::.variance_distributional()。
• ..。它叫null_model
• ..。它叫.null_model_mixed()
• ..。它叫stats::update()