2*d$condition dat <- list( P = d$pulled_left, A = d$actor, B = d$block, T = d$treatment ) # block interactions mBT <- ulam( alist( P ~ bernoulli( p ) , logit(p) <- b[T,B] + a[A], ## adaptive priors matrix[T,B]:b ~ dnorm( 0 , sigma_B ), a[A] ~ dnorm( a_bar , sigma_A ), ## hyper-priors a_bar ~ dnorm( 0 , 1.5 ), sigma_A ~ dexp(1), sigma_B ~ dexp(1) ) , data=dat , chains=4 , cores=4 ) > precis(mBT,3) mean sd 5.5% 94.5% n_eff Rhat4 b[1,1] -0.23 0.37 -0.85 0.34 1301 1.00 b[1,2] -0.01 0.34 -0.56 0.51 2716 1.00 b[1,3] 0.32 0.36 -0.22 0.92 919 1.00 b[1,4] 0.11 0.35 -0.44 0.68 1790 1.00 b[1,5] -0.36 0.37 -0.98 0.17 922 1.00 b[1,6] -0.24 0.35 -0.85 0.28 1327 1.01 b[2,1] 0.09 0.35 -0.44 0.67 2071 1.00 b[2,2] -0.01 0.36 -0.58 0.56 1689 1.00 b[2,3] -0.12 0.34 -0.69 0.41 1738 1.00 b[2,4] 0.32 0.38 -0.21 0.98 1120 1.00 b[2,5] 0.20 0.35 -0.32 0.79 1769 1.00 b[2,6] 0.67 0.45 0.02 1.42 333 1.01 b[3,1] -0.36 0.38 -1.01 0.17 735 1.00 b[3,2] -0.03 0.36 -0.61 0.53 2061 1.00 b[3,3] -0.21 0.35 -0.79 0.33 1464 1.00 b[3,4] -0.46 0.38 -1.11 0.06 527 1.01 b[3,5] 0.03 0.37 -0.53 0.62 2478 1.00 b[3,6] -0.34 0.37 -0.99 0.19 883 1.00 b[4,1] -0.37 0.40 -1.06 0.20 873 1.01 b[4,2] 0.28 0.36 -0.24 0.88 1205 1.00 b[4,3] 0.27 0.35 -0.24 0.86 1105 1.00 b[4,4] 0.08 0.37 -0.49 0.68 1828 1.00 b[4,5] 0.06 0.34 -0.48 0.60 2025 1.00 b[4,6] 0.45 0.41 -0.13 1.17 597 1.01 a[1] -0.35 0.27 -0.78 0.09 1408 1.00 a[2] 4.70 1.25 3.09 7.01 1214 1.00 a[3] -0.62 0.27 -1.08 -0.20 1481 1.00 a[4] -0.64 0.27 -1.07 -0.20 1424 1.00 a[5] -0.36 0.27 -0.78 0.06 1237 1.00 a[6] 0.60 0.26 0.18 1.04 1654 1.00 a[7] 2.15 0.39 1.56 2.82 1436 1.00 a_bar 0.62 0.69 -0.47 1.71 1635 1.00 sigma_A 2.02 0.66 1.17 3.17 1482 1.00 sigma_B 0.46 0.18 0.18 0.74 198 1.02 n_eff = 198 sigma_B b[2,6]