Mam dość prosty zestaw danych składający się z jednej zmiennej niezależnej, jednej zmiennej zależnej i zmiennej kategorialnej. Mam duże doświadczenie w przeprowadzaniu testów częstych, takich jak aov()
i lm()
, ale nie mogę wymyślić, jak wykonać ich bayesowskie odpowiedniki w języku R.
Chciałbym przeprowadzić bayesowską regresję liniową dla pierwszych dwóch zmiennych i bayesowską analizę wariancji, używając zmiennej kategorialnej jako grupowania, ale nie mogę znaleźć żadnych prostych przykładów, jak to zrobić za pomocą R. Czy ktoś może podać podstawowy przykład dla obie? Ponadto, jakie dokładnie są statystyki wyjściowe tworzone przez analizę bayesowską i co one wyrażają?
Nie jestem zbyt dobrze zaznajomiony ze statystykami, ale wydaje się, że konsensus polega na tym, że używanie podstawowych testów z wartościami p jest obecnie nieco mylone i staram się nadążyć. Pozdrowienia.
Odpowiedzi:
Jeśli zamierzasz wykonywać wiele statystyk bayesowskich, pomocne byłoby nauczenie się języka BUGS / JAGS, do którego można uzyskać dostęp w języku R za pośrednictwem pakietów R2OpenBUGS lub R2WinBUGS.
Jednak dla szybkiego przykładu, który nie wymaga zrozumienia składni BŁĘDÓW, możesz użyć pakietu „bayesm”, który ma funkcję runiregGibbs do próbkowania z dystrybucji tylnej. Oto przykład z danymi podobnymi do tych, które opisujesz .....
Wyciągi z danych wyjściowych to: Anova: Bayesian:
lm ():
Prosta regresja liniowa: Bayesian:
lm ():
2 zmienny model: Bayesian:
lm ():
z którego możemy zobaczyć, że wyniki są zasadniczo porównywalne, zgodnie z oczekiwaniami z tymi prostymi modelami i rozproszonymi priorytetami. Oczywiście warto również sprawdzić wykresy diagnostyczne MCMC - gęstość boczna, wykres śladu, autokorelację - dla których również podałem kod, dla którego powyżej (wykresy nie pokazano).
źródło
Pakiet BayesFactor (pokazany tutaj: http://bayesfactorpcl.r-forge.r-project.org/ i dostępny w CRAN) pozwala na ANOVA Bayesa i regresję. Wykorzystuje współczynniki Bayesa do porównywania modeli i umożliwia próbkowanie z tyłu w celu oszacowania.
źródło
Jest to dość wygodne z
LearnBayes
pakietem.Ta
blinreg
funkcja domyślnie używa nieinformacyjnego uprzedniego, a to prowadzi do wniosku bardzo zbliżonego do częstego.Szacunki :
Przedziały ufności :
źródło