Python 如何使用brms（R包）生成我需要的Stan代码，以在pystan中重现模型估计？

我已经开发了使用R包brms估算模型的管道，现在我需要将其转换为python。 我知道在python中最接近brms的是pystan，在pystan中，我必须使用Stan语法编写模型。 我想知道是否有生成Stan代码的brms函数，该代码可以用作python中pystan.StanModel函数的model_代码参数。 我尝试过使用make_stancode函数生成的代码，但没有成功

这是make_stancode生成的代码：

life_span_code = """
// generated with brms 2.10.0
functions {

  /* compute monotonic effects
   * Args:
   *   scale: a simplex parameter
   *   i: index to sum over the simplex
   * Returns:
   *   a scalar between 0 and 1
   */
  real mo(vector scale, int i) {
    if (i == 0) {
      return 0;
    } else {
      return rows(scale) * sum(scale[1:i]);
    }
  }
}
data {
  int<lower=1> N;  // number of observations
  vector[N] Y;  // response variable
  int<lower=1> Ksp;  // number of special effects terms
  int<lower=1> Imo;  // number of monotonic variables
  int<lower=2> Jmo[Imo];  // length of simplexes
  // monotonic variables
  int Xmo_1[N];
  // prior concentration of monotonic simplexes
  vector[Jmo[1]] con_simo_1;
  int prior_only;  // should the likelihood be ignored?
}
transformed data {
}
parameters {
  // temporary intercept for centered predictors
  real Intercept;
  // special effects coefficients
  vector[Ksp] bsp;
  // simplexes of monotonic effects
  simplex[Jmo[1]] simo_1;
  real<lower=0> sigma;  // residual SD
}
transformed parameters {
}
model {
  // initialize linear predictor term
  vector[N] mu = Intercept + rep_vector(0, N);
  for (n in 1:N) {
    // add more terms to the linear predictor
    mu[n] += (bsp[1]) * mo(simo_1, Xmo_1[n]);
  }
  // priors including all constants
  target += student_t_lpdf(Intercept | 3, 65, 12);
  target += dirichlet_lpdf(simo_1 | con_simo_1);
  target += student_t_lpdf(sigma | 3, 0, 12)
    - 1 * student_t_lccdf(0 | 3, 0, 12);
  // likelihood including all constants
  if (!prior_only) {
    target += normal_lpdf(Y | mu, sigma);
  }
}
generated quantities {
  // actual population-level intercept
  real b_Intercept = Intercept;
}
"""

这就是我收到的错误：

“RuntimeError:异常：在上下文中声明和找到的数字维度不匹配；处理阶段=数据初始化；变量名=Jmo；声明的dims=（1）；找到的dims=（）（在第24行的“未知文件名”中）”

---

感谢所有的帮助

事实证明，问题不在于brms生成的模型代码，而在于我定义参数的方式。 特别是，Jmo必须是列表而不是int

N = data_df.shape[0]
Y = data_df['ls'].tolist()
K = 1
X = [1]*N
Ksp = 1
Imo = 1
Xmo_1 = data_df['income_factor'].tolist()

## The following two lines have changed
Jmo = [len(data_df['income_factor'].unique().tolist())-1]
con_simo_1 = [1, 1, 1]
## End of changes

prior_only = 0

代码的其余部分是相同的。 我仍然希望澄清为什么有些参数可以声明为int，而其他参数只能声明为list

---

再次感谢

事实证明问题不在于brms生成的模型代码，而在于我定义参数的方式。 特别是，Jmo必须是列表而不是int

N = data_df.shape[0]
Y = data_df['ls'].tolist()
K = 1
X = [1]*N
Ksp = 1
Imo = 1
Xmo_1 = data_df['income_factor'].tolist()

## The following two lines have changed
Jmo = [len(data_df['income_factor'].unique().tolist())-1]
con_simo_1 = [1, 1, 1]
## End of changes

prior_only = 0

代码的其余部分是相同的。 我仍然希望澄清为什么有些参数可以声明为int，而其他参数只能声明为list

---

再次感谢

“我尝试过使用make_______________________________________________。您需要更具体地说明哪些不起作用，可能需要一个最小的可复制示例。也许您还需要使用

make_standata

？您能更具体地说明哪些功能不起作用吗？“我尝试过使用make_stancode函数生成的代码，但它不起作用。”因为

make_stancode

应该是这样做的方法，这并没有多大帮助。您需要更具体地说明哪些不起作用，可能需要一个最小的可复制示例。也许您还需要使用

make_standata

？您能否更具体地说明哪些不起作用？