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...

像任何统计建模一样，贝叶斯建模可能需要为你的研究问题设计合适的模型，然后开发该模型，使其符合你的数据假设并运行（点击文末“阅读原文”获取完整代码数据）。

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。

设计你的模型。

选择先验

对后验分布进行采样。

检查模型收敛（traceplots、rhats ）

使用后验预测批判性地评估模型并检查它们与您的数据的比较情况

重复…

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setwd("your-file-path") 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：