Use stan_retain() to choose chains to retain.
stan_retain(object, chains = 1)
| object | stanfit object |
|---|---|
| chains | numeric, chains to retain, Default: 1 |
stanfit object
Other utility:
stan_axe(),
stan_names()
#> Inference for Stan model: rats. #> 1 chains, each with iter=2000; warmup=1000; thin=1; #> post-warmup draws per chain=1000, total post-warmup draws=1000. #> #> mean se_mean sd 2.5% 25% 50% 75% 97.5% #> alpha[1] 239.92 0.06 2.63 234.74 238.25 239.91 241.69 245.06 #> alpha[2] 247.87 0.05 2.61 242.98 246.08 247.82 249.60 252.97 #> alpha[3] 252.45 0.06 2.70 247.15 250.62 252.45 254.34 257.65 #> alpha[4] 232.64 0.06 2.65 227.45 230.93 232.57 234.36 237.78 #> alpha[5] 231.74 0.07 2.71 226.51 229.86 231.68 233.63 236.85 #> alpha[6] 249.76 0.06 2.75 244.61 247.86 249.82 251.67 255.04 #> alpha[7] 228.73 0.05 2.51 223.78 227.14 228.70 230.32 233.52 #> alpha[8] 248.35 0.06 2.74 242.79 246.64 248.36 250.09 253.62 #> alpha[9] 283.35 0.07 2.66 277.98 281.61 283.41 285.06 288.55 #> alpha[10] 219.37 0.05 2.55 214.44 217.57 219.29 221.12 224.37 #> alpha[11] 258.19 0.06 2.60 252.95 256.47 258.25 259.93 262.81 #> alpha[12] 228.13 0.06 2.62 223.27 226.35 228.16 229.91 233.26 #> alpha[13] 242.36 0.06 2.65 237.01 240.64 242.42 244.13 247.74 #> alpha[14] 268.15 0.05 2.69 262.97 266.30 268.21 269.91 273.31 #> alpha[15] 242.80 0.06 2.59 237.71 241.10 242.72 244.45 247.70 #> alpha[16] 245.33 0.05 2.62 240.10 243.74 245.26 247.00 250.50 #> alpha[17] 232.11 0.06 2.73 226.75 230.21 232.12 234.01 237.16 #> alpha[18] 240.44 0.05 2.68 235.40 238.70 240.47 242.24 245.50 #> alpha[19] 253.79 0.05 2.66 248.75 251.89 253.84 255.62 259.00 #> alpha[20] 241.64 0.06 2.64 236.64 239.92 241.57 243.32 246.97 #> alpha[21] 248.54 0.05 2.61 243.40 246.83 248.54 250.26 253.69 #> alpha[22] 225.28 0.06 2.76 219.74 223.53 225.22 227.08 230.80 #> alpha[23] 228.54 0.06 2.61 223.46 226.80 228.53 230.24 233.78 #> alpha[24] 245.16 0.05 2.55 240.47 243.48 245.14 246.89 250.32 #> alpha[25] 234.40 0.06 2.78 229.02 232.58 234.35 236.16 239.94 #> alpha[26] 254.00 0.06 2.63 248.79 252.32 254.02 255.75 259.10 #> alpha[27] 254.26 0.06 2.49 249.30 252.62 254.22 255.92 259.31 #> alpha[28] 242.97 0.07 2.83 237.37 241.06 243.05 244.97 248.15 #> alpha[29] 217.81 0.06 2.70 212.33 216.03 217.83 219.73 222.94 #> alpha[30] 241.44 0.06 2.63 236.48 239.68 241.41 243.26 246.47 #> beta[1] 6.06 0.00 0.23 5.60 5.91 6.07 6.21 6.48 #> beta[2] 7.06 0.01 0.24 6.57 6.89 7.06 7.21 7.56 #> beta[3] 6.49 0.00 0.23 6.03 6.32 6.49 6.65 6.93 #> beta[4] 5.34 0.01 0.27 4.79 5.15 5.33 5.53 5.87 #> beta[5] 6.57 0.01 0.23 6.10 6.41 6.57 6.72 6.99 #> beta[6] 6.17 0.01 0.25 5.67 6.00 6.17 6.34 6.63 #> beta[7] 5.98 0.01 0.24 5.52 5.82 5.98 6.14 6.44 #> beta[8] 6.41 0.01 0.24 5.95 6.24 6.40 6.58 6.89 #> beta[9] 7.05 0.01 0.24 6.60 6.89 7.05 7.22 7.53 #> beta[10] 5.84 0.01 0.23 5.37 5.68 5.84 6.00 6.29 #> beta[11] 6.79 0.01 0.25 6.31 6.63 6.79 6.97 7.27 #> beta[12] 6.12 0.01 0.25 5.62 5.95 6.11 6.30 6.61 #> beta[13] 6.16 0.01 0.26 5.65 6.00 6.16 6.33 6.68 #> beta[14] 6.68 0.01 0.25 6.18 6.52 6.69 6.84 7.18 #> beta[15] 5.42 0.01 0.25 4.89 5.25 5.42 5.58 5.90 #> beta[16] 5.92 0.01 0.24 5.45 5.74 5.92 6.09 6.40 #> beta[17] 6.27 0.00 0.24 5.83 6.11 6.27 6.44 6.73 #> beta[18] 5.84 0.01 0.24 5.37 5.68 5.85 6.01 6.31 #> beta[19] 6.41 0.01 0.24 5.94 6.23 6.41 6.58 6.85 #> beta[20] 6.05 0.01 0.25 5.55 5.89 6.05 6.21 6.53 #> beta[21] 6.40 0.01 0.24 5.93 6.25 6.41 6.56 6.86 #> beta[22] 5.85 0.01 0.24 5.41 5.68 5.85 6.02 6.28 #> beta[23] 5.75 0.01 0.25 5.26 5.59 5.75 5.92 6.24 #> beta[24] 5.89 0.01 0.24 5.40 5.73 5.88 6.05 6.35 #> beta[25] 6.90 0.01 0.24 6.42 6.75 6.90 7.06 7.36 #> beta[26] 6.55 0.01 0.25 6.05 6.39 6.54 6.70 7.06 #> beta[27] 5.91 0.01 0.25 5.41 5.74 5.91 6.07 6.40 #> beta[28] 5.84 0.01 0.24 5.40 5.68 5.84 6.01 6.31 #> beta[29] 5.68 0.01 0.25 5.19 5.52 5.67 5.85 6.18 #> beta[30] 6.12 0.00 0.23 5.68 5.96 6.13 6.28 6.59 #> mu_alpha 242.45 0.07 2.65 237.11 240.71 242.54 244.26 247.36 #> mu_beta 6.18 0.00 0.10 5.98 6.12 6.18 6.25 6.39 #> sigmasq_y 37.25 0.22 5.68 28.06 33.17 36.69 40.47 50.07 #> sigmasq_alpha 215.89 1.61 59.38 128.18 174.71 206.40 249.90 350.45 #> sigmasq_beta 0.27 0.00 0.11 0.13 0.20 0.26 0.32 0.52 #> sigma_y 6.09 0.02 0.46 5.30 5.76 6.06 6.36 7.08 #> sigma_alpha 14.56 0.05 1.96 11.32 13.22 14.37 15.81 18.72 #> sigma_beta 0.52 0.00 0.10 0.35 0.45 0.51 0.57 0.72 #> alpha0 106.39 0.09 3.45 99.10 104.03 106.48 108.69 113.09 #> lp__ -437.72 0.44 7.11 -453.66 -442.15 -437.13 -432.48 -425.68 #> n_eff Rhat #> alpha[1] 2170 1 #> alpha[2] 2298 1 #> alpha[3] 1843 1 #> alpha[4] 1767 1 #> alpha[5] 1724 1 #> alpha[6] 1852 1 #> alpha[7] 2583 1 #> alpha[8] 2378 1 #> alpha[9] 1319 1 #> alpha[10] 2180 1 #> alpha[11] 1786 1 #> alpha[12] 1895 1 #> alpha[13] 2173 1 #> alpha[14] 3000 1 #> alpha[15] 1704 1 #> alpha[16] 2458 1 #> alpha[17] 2196 1 #> alpha[18] 2400 1 #> alpha[19] 2393 1 #> alpha[20] 2169 1 #> alpha[21] 2821 1 #> alpha[22] 2119 1 #> alpha[23] 1957 1 #> alpha[24] 2590 1 #> alpha[25] 2320 1 #> alpha[26] 2220 1 #> alpha[27] 1818 1 #> alpha[28] 1622 1 #> alpha[29] 2049 1 #> alpha[30] 1665 1 #> beta[1] 2245 1 #> beta[2] 1707 1 #> beta[3] 2116 1 #> beta[4] 2281 1 #> beta[5] 1751 1 #> beta[6] 2401 1 #> beta[7] 2003 1 #> beta[8] 1659 1 #> beta[9] 1659 1 #> beta[10] 1914 1 #> beta[11] 1469 1 #> beta[12] 1922 1 #> beta[13] 2391 1 #> beta[14] 2237 1 #> beta[15] 1693 1 #> beta[16] 2303 1 #> beta[17] 2462 1 #> beta[18] 2121 1 #> beta[19] 2258 1 #> beta[20] 1895 1 #> beta[21] 1789 1 #> beta[22] 2047 1 #> beta[23] 1552 1 #> beta[24] 1880 1 #> beta[25] 2259 1 #> beta[26] 1926 1 #> beta[27] 2106 1 #> beta[28] 1765 1 #> beta[29] 2156 1 #> beta[30] 2313 1 #> mu_alpha 1294 1 #> mu_beta 1667 1 #> sigmasq_y 698 1 #> sigmasq_alpha 1363 1 #> sigmasq_beta 921 1 #> sigma_y 713 1 #> sigma_alpha 1530 1 #> sigma_beta 906 1 #> alpha0 1623 1 #> lp__ 258 1 #> #> Samples were drawn using NUTS(diag_e) at Mon Aug 31 11:07:31 2020. #> For each parameter, n_eff is a crude measure of effective sample size, #> and Rhat is the potential scale reduction factor on split chains (at #> convergence, Rhat=1).#> Inference for Stan model: rats. #> 2 chains, each with iter=2000; warmup=1000; thin=1; #> post-warmup draws per chain=1000, total post-warmup draws=2000. #> #> mean se_mean sd 2.5% 25% 50% 75% 97.5% #> alpha[1] 239.93 0.05 2.62 234.76 238.23 239.93 241.67 245.03 #> alpha[2] 247.79 0.05 2.66 242.61 246.02 247.77 249.62 252.97 #> alpha[3] 252.42 0.05 2.61 247.18 250.62 252.44 254.21 257.37 #> alpha[4] 232.59 0.05 2.62 227.48 230.80 232.53 234.29 237.85 #> alpha[5] 231.64 0.05 2.79 226.42 229.75 231.62 233.54 236.83 #> alpha[6] 249.73 0.05 2.67 244.61 247.93 249.75 251.49 254.80 #> alpha[7] 228.71 0.04 2.63 223.56 227.05 228.73 230.47 233.87 #> alpha[8] 248.39 0.04 2.66 243.01 246.67 248.41 250.12 253.47 #> alpha[9] 283.37 0.05 2.67 277.99 281.65 283.42 285.09 288.65 #> alpha[10] 219.35 0.05 2.63 214.14 217.61 219.29 221.14 224.52 #> alpha[11] 258.24 0.05 2.73 252.73 256.40 258.35 260.10 263.17 #> alpha[12] 228.13 0.05 2.61 223.12 226.41 228.11 229.81 233.39 #> alpha[13] 242.39 0.05 2.65 237.01 240.65 242.44 244.15 247.57 #> alpha[14] 268.26 0.05 2.68 262.94 266.44 268.30 270.10 273.29 #> alpha[15] 242.77 0.05 2.61 237.60 241.07 242.71 244.45 247.88 #> alpha[16] 245.33 0.04 2.61 240.00 243.68 245.30 247.04 250.36 #> alpha[17] 232.12 0.05 2.66 226.96 230.28 232.14 233.96 237.32 #> alpha[18] 240.42 0.05 2.71 235.29 238.64 240.43 242.24 245.61 #> alpha[19] 253.78 0.05 2.65 248.60 251.96 253.84 255.59 259.02 #> alpha[20] 241.58 0.05 2.59 236.55 239.91 241.54 243.28 246.81 #> alpha[21] 248.57 0.04 2.68 243.27 246.77 248.53 250.35 253.76 #> alpha[22] 225.31 0.05 2.88 219.74 223.36 225.28 227.25 231.13 #> alpha[23] 228.52 0.05 2.69 223.14 226.68 228.56 230.32 233.73 #> alpha[24] 245.14 0.04 2.56 240.26 243.42 245.15 246.85 250.31 #> alpha[25] 234.40 0.05 2.68 229.18 232.65 234.40 236.12 239.76 #> alpha[26] 253.95 0.05 2.63 248.71 252.23 253.88 255.67 259.12 #> alpha[27] 254.23 0.05 2.57 249.21 252.55 254.22 255.95 259.36 #> alpha[28] 243.04 0.05 2.68 237.60 241.24 243.10 244.90 248.14 #> alpha[29] 217.91 0.05 2.70 212.69 216.10 217.91 219.76 223.15 #> alpha[30] 241.49 0.05 2.63 236.35 239.70 241.46 243.26 246.51 #> beta[1] 6.06 0.00 0.23 5.60 5.91 6.06 6.21 6.52 #> beta[2] 7.05 0.00 0.25 6.56 6.89 7.06 7.22 7.55 #> beta[3] 6.48 0.00 0.23 6.02 6.32 6.49 6.65 6.94 #> beta[4] 5.34 0.01 0.27 4.81 5.16 5.34 5.52 5.86 #> beta[5] 6.57 0.00 0.24 6.09 6.40 6.57 6.73 7.02 #> beta[6] 6.17 0.00 0.25 5.68 6.00 6.17 6.34 6.63 #> beta[7] 5.97 0.00 0.24 5.51 5.80 5.97 6.14 6.43 #> beta[8] 6.41 0.00 0.24 5.94 6.24 6.41 6.58 6.89 #> beta[9] 7.05 0.01 0.25 6.57 6.89 7.05 7.22 7.55 #> beta[10] 5.84 0.00 0.24 5.35 5.67 5.84 6.01 6.31 #> beta[11] 6.80 0.00 0.25 6.31 6.63 6.80 6.97 7.27 #> beta[12] 6.12 0.00 0.25 5.64 5.96 6.12 6.30 6.58 #> beta[13] 6.16 0.00 0.25 5.66 6.00 6.16 6.32 6.66 #> beta[14] 6.69 0.00 0.24 6.21 6.52 6.69 6.85 7.17 #> beta[15] 5.41 0.01 0.25 4.92 5.24 5.41 5.58 5.90 #> beta[16] 5.92 0.00 0.24 5.45 5.75 5.93 6.10 6.39 #> beta[17] 6.28 0.00 0.24 5.83 6.12 6.28 6.44 6.74 #> beta[18] 5.84 0.00 0.25 5.36 5.67 5.84 6.00 6.32 #> beta[19] 6.40 0.00 0.24 5.93 6.23 6.41 6.57 6.85 #> beta[20] 6.05 0.00 0.25 5.57 5.89 6.05 6.21 6.54 #> beta[21] 6.40 0.00 0.25 5.92 6.24 6.41 6.57 6.87 #> beta[22] 5.86 0.00 0.24 5.41 5.69 5.85 6.02 6.31 #> beta[23] 5.75 0.00 0.25 5.26 5.58 5.75 5.91 6.23 #> beta[24] 5.89 0.00 0.24 5.41 5.73 5.90 6.05 6.35 #> beta[25] 6.91 0.00 0.25 6.41 6.74 6.90 7.07 7.39 #> beta[26] 6.54 0.00 0.24 6.06 6.39 6.54 6.70 7.03 #> beta[27] 5.90 0.00 0.24 5.41 5.73 5.91 6.06 6.38 #> beta[28] 5.85 0.00 0.24 5.40 5.68 5.84 6.00 6.31 #> beta[29] 5.68 0.00 0.25 5.21 5.51 5.67 5.85 6.17 #> beta[30] 6.12 0.00 0.23 5.68 5.96 6.12 6.27 6.58 #> mu_alpha 242.46 0.08 2.76 236.89 240.64 242.54 244.35 247.70 #> mu_beta 6.19 0.00 0.10 5.99 6.12 6.19 6.25 6.40 #> sigmasq_y 37.16 0.17 5.69 28.01 33.14 36.53 40.58 50.11 #> sigmasq_alpha 217.43 1.40 60.83 127.60 174.99 208.54 249.60 367.33 #> sigmasq_beta 0.27 0.00 0.10 0.13 0.20 0.26 0.32 0.52 #> sigma_y 6.08 0.01 0.46 5.29 5.76 6.04 6.37 7.08 #> sigma_alpha 14.61 0.04 1.99 11.30 13.23 14.44 15.80 19.17 #> sigma_beta 0.51 0.00 0.09 0.35 0.45 0.51 0.57 0.72 #> alpha0 106.37 0.08 3.56 99.21 104.05 106.42 108.70 113.59 #> lp__ -437.92 0.30 7.09 -453.67 -442.33 -437.28 -433.00 -425.43 #> n_eff Rhat #> alpha[1] 3099 1 #> alpha[2] 2933 1 #> alpha[3] 2701 1 #> alpha[4] 2701 1 #> alpha[5] 3453 1 #> alpha[6] 3206 1 #> alpha[7] 3833 1 #> alpha[8] 3636 1 #> alpha[9] 2703 1 #> alpha[10] 3070 1 #> alpha[11] 2745 1 #> alpha[12] 3232 1 #> alpha[13] 3270 1 #> alpha[14] 3253 1 #> alpha[15] 3251 1 #> alpha[16] 3807 1 #> alpha[17] 3383 1 #> alpha[18] 3322 1 #> alpha[19] 3211 1 #> alpha[20] 3202 1 #> alpha[21] 3556 1 #> alpha[22] 3694 1 #> alpha[23] 3269 1 #> alpha[24] 3584 1 #> alpha[25] 3428 1 #> alpha[26] 3152 1 #> alpha[27] 3214 1 #> alpha[28] 2857 1 #> alpha[29] 3334 1 #> alpha[30] 3283 1 #> beta[1] 3456 1 #> beta[2] 2749 1 #> beta[3] 2486 1 #> beta[4] 2645 1 #> beta[5] 2798 1 #> beta[6] 2961 1 #> beta[7] 3017 1 #> beta[8] 2634 1 #> beta[9] 2503 1 #> beta[10] 2944 1 #> beta[11] 2519 1 #> beta[12] 3406 1 #> beta[13] 2941 1 #> beta[14] 2680 1 #> beta[15] 2289 1 #> beta[16] 3040 1 #> beta[17] 2847 1 #> beta[18] 2542 1 #> beta[19] 2731 1 #> beta[20] 3117 1 #> beta[21] 4018 1 #> beta[22] 2991 1 #> beta[23] 2926 1 #> beta[24] 3390 1 #> beta[25] 2701 1 #> beta[26] 3062 1 #> beta[27] 3491 1 #> beta[28] 2925 1 #> beta[29] 3167 1 #> beta[30] 3553 1 #> mu_alpha 1114 1 #> mu_beta 2279 1 #> sigmasq_y 1107 1 #> sigmasq_alpha 1885 1 #> sigmasq_beta 1534 1 #> sigma_y 1119 1 #> sigma_alpha 2051 1 #> sigma_beta 1420 1 #> alpha0 2066 1 #> lp__ 543 1 #> #> Samples were drawn using NUTS(diag_e) at Mon Aug 31 11:07:31 2020. #> For each parameter, n_eff is a crude measure of effective sample size, #> and Rhat is the potential scale reduction factor on split chains (at #> convergence, Rhat=1).# }