我正在尝试构建Jags模型并找到beta以及贝叶斯数据分析的先验条件。我的模型有3个预测x1, x2, x3
和结果是伯努利分布变量ÿ。如何定义P(Y=1|X1), P(Y=1|X2), P(Y=1|X3)
影响结果Y的三个预测变量的先验概率?我的数据是基于矩阵的nXr, n=1920 r=4 columns
X1, X2, X3 and Y
。
听起来您在问如何在JAGS中构造GLM。如果是这样,那么最简单的方法可能是使用runjags包中的template.jags函数为您执行以下操作:
library('runjags')
template.jags(Y ~ X1 + X2 + X3, data=nXr, family='binomial', write.data=FALSE)
## Inspect and edit the JAGSmodel.txt file ##
results <- run.jags("JAGSmodel.txt", data=nXr)
请注意,nXr应该是一个数据帧,而不是您当前所说的矩阵。这对相关参数使用(相对标准)信息最少的先验,但是高度建议编辑为您创建的模型文件,以便根据需要调整先验。除非您是指固定效果的截距和系数,否则我不知道“查找beta”是什么意思?
如果这没有帮助,那么我认为您需要向问题中添加更多信息-例如,有关预测变量X1-3的更多信息,您要确切实现的目标以及显示数据的前几行,也不痛
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句