使用rstanarm运行贝叶斯回归模型时遭遇维度不匹配错误的技术求助

错误原因分析 #

你遇到的这个维度不匹配错误，核心问题在于模型实际需要的参数数量和你自定义先验提供的参数数量不一致：

• 错误提示里提到dims declared=(19); dims found=(3)，说明你的模型最终有19个待估计的参数（大概率是因为pc、a03或l01是分类变量，被自动展开成了多个虚拟变量，加上截距后总共有19个参数）；
• 但你定义的normal先验只提供了3组location和scale值，两者维度无法对应，导致Stan初始化失败。

可行解决方案 #

方案1：给所有参数使用统一先验

如果你不需要为每个参数单独设置先验，直接指定单个的位置和尺度值即可，这样所有参数（截距+所有自变量的虚拟变量）都会使用同一个先验分布：

# 统一先验：所有参数服从N(0,1)分布
priors <- rstanarm::normal(location = 0, scale = 1)
bmd <- stan_glm(s01_1 ~ pc + a03 + l01, data=bes19, 
                prior = priors, 
                iter=1000, seed=6942)

方案2：为每个参数单独指定先验

如果必须给每个参数（包括所有展开的虚拟变量）设置不同的先验，首先要明确模型到底有多少个参数：

1. 先运行普通线性回归查看系数数量：

# 查看模型的参数列表和数量
summary(glm(s01_1 ~ pc + a03 + l01, data=bes19))

2. 根据输出的系数个数，构造对应长度的location和scale向量，比如如果有19个参数，就需要19个位置值和19个尺度值：

# 示例：假设19个参数的先验（你需要根据实际系数调整数值）
priors <- rstanarm::normal(location = c(-1, rep(0.5, 9), rep(2,9)), 
                           scale = c(1, rep(2,9), rep(0.5,9)))
bmd <- stan_glm(s01_1 ~ pc + a03 + l01, data=bes19, 
                prior = priors, 
                iter=1000, seed=6942)

方案3：仅为特定原始变量设置自定义先验

如果你只想给原始的自变量（而非展开后的虚拟变量）和截距设置自定义先验，其他参数用默认先验，可以拆分使用prior_intercept和带coef参数的prior：

# 单独指定截距的先验（对应你原来的location[0] = -1）
prior_intercept <- rstanarm::normal(location = -1, scale = 1)

# 给指定的原始自变量设置先验（coef参数指定变量名）
priors <- rstanarm::normal(location = c(0.5, 2), 
                           scale = c(2, 0.5),
                           coef = c("pc", "a03"))

# 运行模型
bmd <- stan_glm(s01_1 ~ pc + a03 + l01, data=bes19, 
                prior_intercept = prior_intercept,
                prior = priors, 
                iter=1000, seed=6942)

额外提醒 #

当你的自变量是分类变量（因子类型）时，rstanarm会自动将其转换为多个虚拟变量（比如有k个水平的因子会生成k-1个虚拟变量），这会大幅增加模型的参数数量，一定要注意先验向量的长度和参数数量匹配。

内容的提问来源于stack exchange，提问作者William Wormell