MCMC案例学习
拟合bayesian GLM,请用MCMCpack。
在现实中,一般不会这样直接的使用metropolis。MCMCpack的算法是正态逼近后验,用来作为metropolis的proposal。
如果直接暴力的使用metropolis,大部分时候效果奇差,尤其是X之间的相关性强的时候,mcmc的ACF太大,mixing效果不好。
在现实中,一般不会这样直接的使用metropolis。MCMCpack的算法是正态逼近后验,用来作为metropolis的proposal。
如果直接暴力的使用metropolis,大部分时候效果奇差,尤其是X之间的相关性强的时候,mcmc的ACF太大,mixing效果不好。
的确,处理实际问题直接使用这个函数确实不妥。其实,从贝叶斯角度解决广义线性模型,也有这样的包和函数,直接来做,比如,arm 包中的bayesglm(),与glm的使用差不多,不过其实质还是mcmc。处理各种模型,使用贝叶斯方法很普遍,参见(CRAN Task View: Bayesian Inference)。这里只是向初学者展示一下mcmc的使用过程。
太好了,虚心学习。二位继续努力。
能不能在开篇的时候多讲讲建模原理和步骤, 一上来就是R代码, R基础不好的人看的不是很明白啊.
[未知用户] 这本来就是R包的文档,不可避免要上R。一篇文章不可能面面俱到,更多的功课还得你自己去做,况且无代码无真相啊。
[未知用户] 一块是贝叶斯推断,一块是MCMC算法,看一下这方面的文档就可以了
9 个月 后
虚心学习!
7 天 后
这应该是对mcmc package demo的翻译,值得学习
5 个月 后
如果其中有个参数有限制,比如非负,可以让这个参数先验分布为一个对数正态分布吗?
1 年 后
[未知用户] 请问,我的代码:
library(MCMCpack)
out1 <- MCMCprobit(y~et+TFP+Size+Wage+Age+Mid,data=export_data,burnin = 5000, mcmc = 10000,
b0 = c(0,0,0,0,0,0), B0 = c(100,100,100,100,100,100), marginal.likelihood="Chib95")
plot(out2)
summary(out2)
参数估计结果里有个sigma是什么?
这个是用来衡量什么的?
模型估计的好坏看什么?有拟合优度指标没?
library(MCMCpack)
out1 <- MCMCprobit(y~et+TFP+Size+Wage+Age+Mid,data=export_data,burnin = 5000, mcmc = 10000,
b0 = c(0,0,0,0,0,0), B0 = c(100,100,100,100,100,100), marginal.likelihood="Chib95")
plot(out2)
summary(out2)
参数估计结果里有个sigma是什么?
这个是用来衡量什么的?
模型估计的好坏看什么?有拟合优度指标没?
1 年 后
[未知用户] 大神,如果我只是相对均匀分布 和 正态分布进行采样,能用mcmc方法嘛
[未知用户] 大神,如果我只是相对 均匀分布 和 正态分布进行采样,您觉得可行嘛?那建议分布就是正态分布本身嘛?