分层贝叶斯模型常用于市场营销，政治科学和计量经济学。然而，我所知道的唯一一个包是bayesm，它实际上是一本书的伴侣（贝叶斯统计和市场营销，Rossi等人）我错过了什么？是否有用于R或Python的软件包在那里完成工作，和/或相关语言中的一个成熟的例子？
答案 0 :(得分：13)
有OpenBUGS和R帮助程序包。查看Gelman网站上的书，其中包含大部分相关链接：
在Python方面，我只知道PyMC：
编辑：在线提供了Gelman书中相应附录的链接，以获取使用R和BUGS的示例。
答案 1 :(得分：11)
这里有四本关于分层建模和贝叶斯分析的书籍，这些书都是用R代码编写的。
空间数据的层次建模和分析（统计和应用概率专着）（精装） http://www.amazon.com/gp/product/158488410X
使用回归和多级/分层模型进行数据分析（平装） http://www.amazon.com/Analysis-Regression-Multilevel-Hierarchical-Models/dp/052168689X/ref=pd_sim_b_1
使用R（使用R）进行贝叶斯计算（平装本） http://www.amazon.com/Bayesian-Computation-R-Use/dp/0387922970/ref=pd_bxgy_b_img_c
环境科学的分层建模：统计方法和应用（牛津生物学）（平装本）（我假设这个有R代码，因为两位作者都广泛使用R）
我知道一些python书涉及多变量分析（例如集体智慧），但我还没有看到任何真正深入研究贝叶斯或分层建模。
答案 2 :(得分：3)
在MCMCpack中有一些R的层次模型，据我所知，这是许多常见模型类型中最快的采样器。 （我在其中写了[层次项目响应] [2]模型。）
[RJAGS] [3]的名字听起来像。编写一个jags风格的.bug模型，在R中提供数据，并从R调用Jags。
答案 3 :(得分：3)
这个答案来晚了将近十年，但希望它将在将来对某人有所帮助。
R的sudo rm -rf /usr/local/var/run/watchman/*
包对于贝叶斯层次/多级模型是一个很好的选择，其语法与brms包非常相似。
lme4包在背面使用了概率编程语言Stan进行推断。 Stan使用比JAGS和BUGS更为先进的采样方法，例如Hamiltonian Monte Carlo，后者从后验分布中提供了更有效和可靠的样本。
如果您希望对更复杂的现象建模，则可以使用brms包从R编译Stan模型。还有Python替代rstan。但是，为此，您必须学习如何使用Stan。
答案 4 :(得分：2)
在python中，尝试PyMC。这里有一个多级建模的例子：http://groups.google.com/group/pymc/browse_thread/thread/c6ce37a80edf7f85/1bfd9138c8db891d
答案 5 :(得分：2)
我将R中的分层Bayes模型与JAGS（Linux）或WinBUGS（Windows或Wine）结合使用。查看上面提到的Andrew Gelman一书。
答案 6 :(得分：0)
使用频率方法估计层次模型的lme4包具有一个名为mcmcsamp的函数，允许您使用MCMC从模型的后验分布中进行采样。不幸的是，这目前仅适用于线性模型。