如何为贝叶斯先验指定0为下界？基于rstanarm的使用问题

rstanarm原生支持带边界约束的先验指定，不需要手动实现截断逻辑，实现正数约束的常用方法如下：

方法1：通过先验函数的lb参数设置下界 #

所有rstanarm内置的先验函数都支持lb（lower bound，下界）和ub（upper bound，上界）参数，直接将lb设为0即可强制对应参数取值为正。

为单个系数设置正数约束 #

如果仅需要给部分系数加正数约束，可按系数顺序传入lb向量：

library(rstanarm)

# 示例：线性回归，仅给自变量x的系数加>0的约束
model <- stan_glm(
  formula = y ~ x + z,
  data = your_data,
  # prior参数的顺序对应自变量x、z的系数
  prior = prior_normal(
    location = c(2, 0),
    scale = c(1, 2),
    lb = c(0, -Inf) # x系数下界为0，z系数无约束
  ),
  prior_intercept = normal(0, 5)
)

为所有群体级系数设置统一正数约束 #

如果所有自变量的系数都需要满足>0的要求，直接统一指定lb=0即可：

model <- stan_glm(
  formula = y ~ x1 + x2 + x3,
  data = your_data,
  prior = prior_normal(location = 1, scale = 2, lb = 0),
  prior_intercept = normal(0, 5)
)

方法2：使用本身定义在正实数域的先验 #

如果你的参数本身预期就是正数，也可以直接选用原生定义域为正的先验分布，不需要额外设置边界：

• 对数正态先验：prior_lognormal(location = 0, scale = 1)，适合预期系数取值不会出现极端大值的场景
• Gamma先验：prior_gamma(shape = 2, rate = 1)，适合方差、尺度类正参数的先验设置
• 指数先验：prior_exponential(rate = 1)，适合预期系数稀疏接近0的正参数场景

注意：设置边界约束后rstanarm会自动在采样阶段做参数变换，不需要手动对参数做对数等变换，内部已经优化了对应采样逻辑。多层模型的随机效应方差等参数默认已经加了正数约束，无需额外设置。

内容的提问来源于stack exchange，提问作者StudentT