R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性

R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性

　　进销存软件推荐,什么电视软件好,比赛编排软件统计模型可以在R或其他统计语言的各种包中进行拟合。但有时你在概念上可以设计的完美模型，在限制了你可以使用的分布和复杂性的软件包或程序中很难或不可能实现。这时你可能想转而使用统计编程语言，如Stan。

　　Stan是一种新式的语言，它提供了一种更全面的学习和实现贝叶斯模型的方法，可以适应复杂的数据结构。Stan开发团队的一个目标是通过清晰的语法、更好的采样器（这里的采样是指从贝叶斯后验分布中抽取样本）以及与许多平台（包括R、RStudio、ggplot2和Shiny）的集成，使贝叶斯建模更易于使用。

　　在这个入门教程中，我们将从一个线性模型开始，经历模型建立的迭代过程。在我们的高级stan教程中，我们将探索更复杂的模型结构。

　　首先，在建立模型之前，你需要定义你的问题并了解你的数据。探索它们，绘制它们，计算一些汇总统计。

　　一旦你对你的数据和你想用统计模型回答的问题有了了解，你就可以开始建立贝叶斯模型的迭代过程。

　　模拟数据也是很好的做法，以确保你的模型正确，作为测试你的模型的另一种方式。

　　首先，让我们找到一个可以拟合简单线性模型的数据集。?气候变化对地球最显着的影响之一是北半球每年海冰范围的减少。让我们使用 Stan 的线性模型探索海冰范围如何随时间变化。

　　通过运行?包含您自己的文件路径的代码?，将您的工作目录设置为您保存数据的文件夹?。现在，让我们加载数据：

　　也许我们已经找到了问题的答案，但本教程的重点是探索使用编程语言?，所以现在让我们尝试在 Stan 中编写相同的模型。

　　让我们重命名变量并将年份从 1 索引到 39。关于贝叶斯模型的一个关键是您必须使用信息分布来描述数据中的变化。因此，您希望确保您的数据符合这些分布，并且它们将适用于您的模型。在这种情况下，我们真的想知道从数据集的开始到数据集结束的海冰是否发生了变化，而不是 1979 年到 2017 年。我们不需要我们的模型估计 500 年或 600 年的海冰是什么样的，就在我们的数据集的持续时间内。因此，我们将年份数据设置为索引 1 到 30 年。

　　我们还可以从我们的简单模型中提取一些关键的汇总统计数据，以便我们?稍后可以将它们与模型的输出进行比较?。

　　现在让我们将其转换为用于输入?模型的数据框?。传递给 Stan 的数据需要是命名对象列表。此处给出的名称需要与模型中使用的变量名称相匹配。

　　请确保安装了以下库（这些是本?教程和下一个教程的库?）。??是最重要的，如果您没有 C++ 编译器，则需要一些额外的东西。

　　我们将首先用语言编写一个线性模型?。这可以写在你的 R 脚本中，或者单独保存为一个??文件并调用到?.

　　“数据”?块：您可以