В настоящее время я читаю превосходную книгу Крушке «Анализ байесовских данных». Однако глава об иерархической логистической регрессии (глава 20) несколько сбивает с толку.
Рисунок 20.2 описывает иерархическую логистическую регрессию, где параметр Бернулли определяется как линейная функция на коэффициентах, преобразованных через сигмовидную функцию. Похоже, именно таким образом иерархическая логистическая регрессия представлена в большинстве примеров, которые я видел и в других источниках в Интернете. Например - http://polisci2.ucsd.edu/cfariss/code/SIMlogit02.bug
Однако, когда предикторы являются номинальными, он добавляет слой в иерархию - теперь параметр Бернулли взят из бета-распределения (рис. 20.5) с параметрами, определенными mu и kappa, где mu - сигмоидальное преобразование линейной функции коэффициентов. , а каппа использует гамму априора.
Это кажется разумным и аналогичным примеру с бросанием монет из главы 9, но я не вижу, что делать с номинальными предикторами при добавлении бета-распределения. Почему бы не сделать это в случае метрических предикторов и почему было добавлено бета-распределение для номинальных предикторов?
РЕДАКТИРОВАТЬ: Разъяснение по моделям, я имею в виду. Во-первых, модель логистической регрессии с метрическими предикторами (без бета-версии). Это похоже на другие примеры иерархической логистической регрессии, такие как пример ошибок:
Тогда пример с номинальными предикторами. Вот где я не совсем понимаю роль «нижнего» уровня иерархии (включение логистического результата в бета-версию до бинома) и почему она должна отличаться от метрического примера.