为什么tab_模型（sjPlot）使用rstanarm模型重新运行MCMC？

我正在使用包

sjPlot

（）中的

tab\u model

创建一个表

但是，当我使用负二项

rstanarm

model对象时，

tab\u model

会重新运行MCMC链。 我的实际模型需要很多小时才能运行，因此这对于

tab_model

来说并不理想，但对于其他模型（例如

lme4

中的

glmer

）来说似乎并不理想

输出速度很快，正如预期的那样（尽管原始模型也运行得很快，因此有可能

tab_model

也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。这是正常行为吗？如果是，是否有人熟悉关闭此功能的方法，只使用已创建的模型对象，而不是重新运行模型？

tl；dr我认为如果不对

insight

包和这个包进行黑客攻击，或者要求包维护人员进行编辑，这将很难避免，除非您想放弃打印ICC、R^2和随机效应方差

tab_model（）

调用

insight:：get_variance（）

，它尝试计算空模型的方差，以便计算ICC和R^2。计算这些差异需要重新运行模型。（当它为

glmer.nb

执行此操作时，它会通过

lme4:：update.merMod（）

执行，并且速度足够快，您不会注意到计算时间。）

所以

不会重新计算任何内容。理论上，我认为只要

show.r2=FALSE，show.icc=FALSE

（也就是说，不需要获取RE var），就可以跳过重采样/重新计算步骤，但这需要维护人员进行一些黑客攻击/参与

---

深入（使用

debug（rstan:：sampling）

在Stan采样函数内停止，然后

where

查看调用堆栈

• tab\u model（）

  调用

  insight:：get\u variance（）

• insight:：get_variance.stanreg（）

  方法调用

  insight:：.compute_variances（）

• …它调用

  insight:：.compute\u variance\u distribution（）

• …它（对于日志链接计数分布）调用

  insight:：.variance\u distributional（）

• …调用

  null\u model

• …它调用

  .null\u model\u mixed（）

• …它调用

  stats:：update（）

---

我试图深入研究并调试这一点，但代码太粗，我无法理解。我也简单地看了一下，只是认为我没有机会。那么，我的判断是否正确，它似乎运行的是一个空模型，而不是重新拟合同一个模型？我不确定该函数使用空模型的目的是什么，但似乎是这样的这应该只对某些输出有用。我将尝试查看是否有一个论点，即如果关闭，将绕过此更新的需要。包维护人员通常非常响应，可能值得就此提出一个问题。我认为希望使用RE var，但愿意不使用R^2或ICC是一个不寻常的用例…谢谢你，我以前没有打开过一个问题，但我会研究它。对于遵循此线程的任何人：

library(sjPlot)
tab_model(mod1)

tab_model(mod2)

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