В R
«предварительном весе» мы можем glm
регрессировать через параметр весов . Например:
glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(), weights=w)
Как это можно сделать в JAGS
или BUGS
модели?
Я нашел некоторые документы, обсуждающие это, но ни один из них не дает пример. Меня интересуют в основном примеры Пуассона и логистической регрессии.
Ответы:
Это может быть поздно ... но,
Обратите внимание на 2 вещи:
В Jags, Bugs, Stan, proc MCMC или в байесовском в целом вероятность не отличается от частоты в lm или glm (или любой модели), она просто одинакова !! Просто создайте новый столбец «вес» для вашего ответа и напишите вероятность как
Или взвешенный пуассон:
Этот код Bugs / Jags был бы просто приколом. Вы получите все правильно. Не забывайте продолжать умножать апостериор тау на вес, например, при прогнозировании и доверительных интервалах.
источник
Во-первых, стоит отметить, что
glm
не выполняет байесовскую регрессию. Параметр «веса» в основном является сокращением от «пропорции наблюдений», который может быть заменен соответствующим повышением частоты вашего набора данных. Например:Таким образом, чтобы добавить вес к точкам в JAGS или BUGS, вы можете увеличить свой набор данных аналогично тому, как описано выше.
источник
Пытался добавить комментарий выше, но моя репутация слишком низкая.
Должен
не быть
в зазубринах? Я запускаю несколько тестов, сравнивающих результаты этого метода в JAGS с результатами взвешенной регрессии с помощью lm (), и могу найти соответствие только с помощью последнего. Вот простой пример:
и сравнить с
источник