brms后验样本毛虫图：如何在stat_slab中按后验均值排序单被试估计值

我来帮你搞定这个排序问题，核心原因是你处理后验样本展开后的数据时，没正确按被试分组计算后验均值来作为排序依据。

问题分析 #

用spread_draws()之后，数据会展开成每行对应一个后验样本的格式——每个被试会对应成百上千行数据。这时候直接用sort(subject_estimate)或者分组内用sort(mean(subject_estimate))都会出问题：

• reorder(subject, sort(subject_estimate))无效：sort(subject_estimate)是对所有样本的估计值排序，不是按被试分组的均值排序，reorder无法识别每个被试对应的排序依据。
• sort(mean(subject_estimate))报错：在每个被试的分组内，mean(subject_estimate)返回单一数值，sort后还是单一数值，但当前分组内的subject有N行（对应N个后验样本），长度不匹配，所以触发错误。

解决方案 #

我们需要先按被试分组计算后验估计值的均值，再用这个均值来对被试排序。这里有两种简洁的实现方式：

方式1：先预计算排序顺序，再应用到绘图数据

# 第一步：计算每个被试的后验均值，提取排序后的被试顺序
subject_order <- m %>% 
  spread_draws(b_treatment, r_subject[subject,]) %>% 
  mutate(subject_estimate = b_treatment + r_subject) %>% 
  group_by(subject) %>% 
  summarize(mean_est = mean(subject_estimate)) %>% 
  arrange(mean_est) %>% 
  pull(subject)

# 第二步：用预定义的顺序转换subject为因子，再绘图
m %>% 
  spread_draws(b_treatment, r_subject[subject,]) %>% 
  mutate(subject_estimate = b_treatment + r_subject) %>% 
  mutate(subject = factor(subject, levels = subject_order)) %>% 
  ggplot(aes(y = subject, x = subject_estimate)) + 
  stat_slab()

方式2：在同一个管道内完成分组计算与排序

m %>% 
  spread_draws(b_treatment, r_subject[subject,]) %>% 
  mutate(subject_estimate = b_treatment + r_subject) %>% 
  # 按被试分组，计算每个被试的后验均值
  group_by(subject) %>% 
  mutate(mean_est = mean(subject_estimate)) %>% 
  ungroup() %>% 
  # 用后验均值对被试进行排序
  mutate(subject = reorder(subject, mean_est)) %>% 
  ggplot(aes(y = subject, x = subject_estimate)) + 
  stat_slab()

原理说明 #

两种方式的核心都是先为每个被试计算后验估计值的均值（这是每个被试的代表性估计值），再用这个均值作为排序依据：

• 方式1提前提取排序后的被试列表，通过factor(levels = ...)强制指定因子顺序。
• 方式2利用reorder()函数，它会自动将每个被试对应的mean_est（分组内所有行的mean_est都是同一个值）作为排序权重，完成被试的排序。

这样就能得到按单被试后验均值排序的毛虫图了。

内容的提问来源于stack exchange，提问作者elisa