W R
„uprzedniej wadze” możemy glm
regresję za pomocą parametru wag . Na przykład:
glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(), weights=w)
Jak można tego dokonać w modelu JAGS
lub BUGS
?
Znalazłem jakiś artykuł na ten temat, ale żaden z nich nie stanowi przykładu. Interesują mnie głównie przykłady Poissona i regresji logistycznej.
bayesian
generalized-linear-model
jags
bugs
weighted-regression
użytkownik 28937
źródło
źródło
Odpowiedzi:
Może być późno ... ale ...
Uwaga 2 rzeczy:
W Jags, Bugs, Stan, proc MCMC lub w Bayesian w ogóle prawdopodobieństwo nie jest inne niż w lmistom lm lub glm (lub dowolnym innym modelu), jest po prostu takie samo !! Po prostu utwórz nową kolumnę „waga” dla swojej odpowiedzi i wpisz prawdopodobieństwo jako
Lub ważona poissona:
Ten kod Bugs / Jags po prostu przydałby się. Dostaniesz wszystko poprawnie. Nie zapomnij o dalszym pomnożeniu tylnej części tau przez wagę, na przykład przy dokonywaniu prognoz i przedziałach ufności / prognozy.
źródło
Po pierwsze, warto zauważyć, że
glm
nie wykonuje regresji bayesowskiej. Parametr „wagi” to w skrócie „proporcja obserwacji”, którą można zastąpić odpowiednim próbkowaniem zestawu danych. Na przykład:Aby dodać wagę do punktów w JAGS lub BŁĘDACH, możesz rozszerzyć swój zestaw danych w podobny sposób jak powyżej.
źródło
Próbowałem dodać do komentarza powyżej, ale moje powtórzenie jest zbyt niskie.
Powinien
nie być
w JAGS? Przeprowadzam kilka testów porównujących wyniki tej metody w JAGS z wynikami ważonej regresji za pomocą lm () i mogę znaleźć zgodność tylko przy użyciu tej ostatniej. Oto prosty przykład:
i porównaj z
źródło