paul-buerkner/brms

Data-related post-processing for multiple imputation models via brm_multiple()

Open

#997 ouverte le 11 sept. 2020

Voir sur GitHub
 (10 commentaires) (0 réactions) (0 assignés)R (220 forks)batch import
featuregood first issuepost-processing

Métriques du dépôt

Stars
 (1 402 stars)
Métriques de merge PR
 (Merge moyen 7j 21h) (1 PR mergée en 30 j)

Description

When I try to use bayes_R2() on a brmsfit_multiple object, I get a warning message that only the first imputed data set was used. I assume this means that R2 was only calculated using the first imputed dataset. I asked about this on the mc-stan discourse and it seems that R2 can be pooled from the combined posterior samples just like many other parameters. Would it be possible to add that functionality to the bayes_R2() method? I tried to look into doing it myself, but was struggling to understand the fit$fit S4 object.

library(brms)
library(mice)
imp <- mice(nhanes2)
fit <- brm_multiple(bmi ~ age + hyp + chl, data = imp, chains = 1)
bayes_R2(fit)
#>    Estimate Est.Error      Q2.5    Q97.5
#> R2 0.4452458 0.1071932 0.2068827 0.623473
#> Warning message:
#> Using only the first imputed data set. Please interpret the results with caution until a more principled approach has been implemented.

Guide contributeur

Direction de recherche
Étudiez la structure de l'objet S4 brmsfit multiple pour comprendre comment les échantillons postérieurs sont stockés entre les ensembles de données imputés. Tracez la méthode bayes R2() pour voir où elle n'utilise actuellement que le premier ensemble de données. Implémentez ensuite le pooling du R2 entre les ensembles de données imputés en combinant les échantillons postérieurs avant de calculer le R2, ou en faisant la moyenne des estimations du R2 avec une pondération appropriée.
Stack technique
r
Domaine
backenddata
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Une demi journée
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
Rbrmsmultiple imputation conceptsS4 objects
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
40