CARBayes 5.0版在R中实现空间广义线性模型，使用MCMC仿真在贝叶斯设置中进行推理。它包含许多不同的模型，这个问题参考的是'S.CARbym'。
我正在使用这个模型来拟合具有空间随机效应的Poisson GLM，在下面的第一个块中给出了一个示例代码，其中'Y'是响应，'x1''x2''x3'是协变量，' N'是偏移量。该公式用于S.CARbym（model1），指定泊松分布和已知空间权重矩阵'W'。
这似乎运作良好，但是我不确定如何为'prior.mean.beta'和'prior.var.beta'指定先前的分布，这些分布与默认值不同（默认的先验是高斯的，不包括在下面的第一个代码块）。我想知道在下面的第二个代码块中，为了指定不同的先前分布，例如Gamma或uniform，我需要在'prior.mean.beta ='（而不是'NULL'）之后输入什么代码？
此套餐附带的小插图很有帮助，但我无法弄明白，任何帮助都将不胜感激。
公式＆lt; - Y~x1 + x2 + x3 +偏移量（log（N）） model1＆lt; - S.CARbym（公式=公式，family = poisson，data = data，W = W，burnin = 5000，n.sample = 20000，thin = 10）
公式＆lt; - Y~x1 + x2 + x3 +偏移量（log（N）） model2＆lt; -S.cbybym（formula = formula，family = poisson，data = data，W = W，burnin = 5000，n.sample = 20000，thin = 10，prior.mean.beta = NULL，prior.var。的β= NULL）
答案 0 :(得分：0)
我已经在Duncan Lee（包裹作者）的专家帮助下解决了这个问题。所以，我想我会回答以防其他人面临这个问题。 它实际上是一个比我想象的更简单的解决方案，每个单个回归参数需要一个高斯先验，即beta_j~N（m_j，v_j）。 （m_j，v_j）可以由您选择，并且对于每个回归参数都是不同的，因此如果您希望指定先验均值和方差，则它们每个都需要是回归参数数量的向量。例如。如果你有3个回归参数和一个截距，那么向量需要4乘1，类似下面的m＆lt; -c（0,0,0,0）