Dans R
on peut "pondérer préalablement" une glm
régression via le paramètre des poids . Par exemple:
glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(), weights=w)
Comment cela peut-il être accompli dans un modèle JAGS
ou BUGS
?
J'ai trouvé un article sur ce sujet, mais aucun ne fournit d'exemple. Je m'intéresse principalement aux exemples de Poisson et de régression logistique.
Réponses:
Il pourrait être tard ... mais,
Veuillez noter 2 choses:
Dans Jags, Bugs, Stan, proc MCMC, ou en bayésien en général, la probabilité n'est pas différente que dans lm ou glm fréquentiste (ou n'importe quel modèle), c'est tout de même !! Créez simplement une nouvelle colonne "poids" pour votre réponse et écrivez la probabilité
Ou un poisson lesté:
Ce code Bugs / Jags ferait tout simplement l'affaire. Vous obtiendrez tout correct. N'oubliez pas de continuer à multiplier le postérieur de tau par le poids, par exemple lors de la prédiction et des intervalles de confiance / prédiction.
la source
Tout d'abord, il convient de souligner qu'il
glm
n'effectue pas de régression bayésienne. Le paramètre «poids» est essentiellement une abréviation de «proportion d'observations», qui peut être remplacée par un suréchantillonnage de votre ensemble de données de manière appropriée. Par exemple:Donc, pour ajouter du poids aux points dans JAGS ou BUGS, vous pouvez augmenter votre jeu de données de la même manière que ci-dessus.
la source
J'ai essayé d'ajouter un commentaire ci-dessus, mais mon représentant est trop faible.
Devrait
ne pas être
dans JAGS? J'exécute des tests comparant les résultats de cette méthode dans JAGS aux résultats d'une régression pondérée via lm () et ne peut trouver de conformité qu'en utilisant cette dernière. Voici un exemple simple:
et comparer à
la source