Помогите мне понять в байесовском GLM

Я пытаюсь запустить байесовский логит на данных здесь . Я использую bayesglm()в armпакете в R. Кодирование достаточно просто:

df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T)
library(arm)
model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df)

summary(model) дает следующий вывод:

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  0.10381    0.10240   1.014    0.311    
SEXMale      0.02408    0.09363   0.257    0.797    
HIGH        -0.27503    0.03562  -7.721 1.15e-14 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2658.2  on 1999  degrees of freedom
Residual deviance: 2594.3  on 2000  degrees of freedom
AIC: 2600.3

Пожалуйста, проведите меня через это. Я понимаю, что в этом коде используется очень слабый априор (поскольку я не определяю априорные средства), поэтому результат будет практически таким же, если я буду использовать glm()вместо bayesglm(). Но результат все еще должен быть в байесовском духе, верно? Каковы здесь и ? Разве это не частые инструменты вывода? Они здесь по-разному интерпретируются?$p$$z$

Отличный вопрос! Хотя есть байесовское значение р , и один из авторов пакета плеча является адвокатом, что вы видите в вашем выходе не байесовский р-значение. Проверьте классmodel

class(model)
"bayesglm" "glm"      "lm" 

и вы можете видеть, что класс bayesglm наследуется от glm. Кроме того, проверка пакета arm не показывает какого-либо конкретного метода сводки для объекта bayesglm. Итак, когда вы делаете

summary(model)

вы на самом деле делаете

summary.glm(model)

и получить частую интерпретацию результатов. Если вы хотите более Байесовскую перспективу, функция в рукеdisplay()