bayesglm (팔) 대 MCMCpack

모두 bayesglm()MCMCpack 패키지 및 다양한 기능 (팔 R 패키지) 일반화 선형 모형의 베이지안 추정을하고 목표로하고 있지만 나는 그들이 실제로 같은 일을 계산하고 있는지 모르겠어요. MCMCpack 함수는 Markov 체인 Monte Carlo를 사용하여 모델 매개 변수에 대한 관절 후부에서 (종속적 인) 샘플을 얻습니다. bayesglm()반면에, 생산합니다. 잘 모르겠습니다.

bayesglm()점 추정치를 생성하는 것처럼 보이 므로 전체 베이지안 추정이 아닌 MAP (최대 사후 측정) 추정이되지만 후미 sim()를 얻는 데 사용할 수 있는 기능이 있습니다.

누군가 두 사람의 의도 된 용도의 차이점을 설명 할 수 있습니까? bayesglm() + sim()진정한 후방 무승부를 만들 수 있습니까 , 아니면 일종의 근사치입니까?

bayesian generalized-linear-model

— 케빈 에스 반 혼
소스

답을 모르겠지만 이름을 입력하여 해당 기능의 소스를 볼 수 있다면 도움이된다면 : bayesglm> sim 또는 관리자에게 직접 요청할 수 있습니다 : cran.r-project.org/web/packages/arm/ arm.pdf cran.r-project.org/web/packages/MCMCpack/MCMCpack.pdf

— paglos

완전한 제어를 원한다면 'rjags'를 사용하여 모델을 직접 작성할 수도 있습니다.

— 추측

전체 소스 코드를 보려면 armCRAN (타르볼)에서 패키지 소스 를 다운로드해야합니다 . sim함수를 간단히 살펴보면 arm최대 가능성 추정치의 다변량 정규성을 가정하는 것처럼 대략적인 Bayes 방법 이라고 생각합니다 . 이항 로지스틱 모델과 같이 매우 이차 로그 가능성이있는 모델에서는이 정도가 정확하지 않을 수 있습니다. 이것에 대해 다른 사람들로부터 의견을 얻고 싶습니다. 나는 MCMCpack성공과 함께 사용 했다; MCMC의 충분한 후방 추첨과 수렴을 고려하여 많은 모델에 정확한 베이지안 솔루션을 제공합니다.

— 프랭크 하렐
소스