Question

我对JAGS中的这个模型有疑问，我想对y [i]进行贝叶斯线性回归，其不服从正态分布，而是服从伽马。

模型是这样的：

"model {
 Priors:
a ~ dnorm(0, 0.0001) # mean, precision = N(0, 10^4)
b ~ dnorm(0, 0.0001)
shape ~ dunif(0, 100)

 # Likelihood data model:
 for (i in 1:N) {
linear_predictor[i] <- a + b * x[i]
# dgamma(shape, rate) in JAGS:
y[i] ~ dgamma(shape, shape / exp(linear_predictor[i]))
 }
 }
 "

为了使该代码可用于此数据的多元线性回归，我应该进行哪些更改？

 dataListGamma = list(
   x = x,
   y = y,
   Nx = dim(x)[2],
   Ntotal = dim(x)[1]
 )

我收到此错误：节点错误（shape /（exp（linear_predictor [1331]）））这怎么可能？我不明白如果我再次运行它，它将更改导致问题的值

Answer 1

这样的事情（使b为每个元素具有相同，独立先验的向量，并使用for循环构造线性预测变量）应该起作用：

model {
# Priors:
a ~ dnorm(0, 0.0001) # mean, precision = N(0, 10^4)
for (j in 1:Nx)
    b[i] ~ dnorm(0, 0.0001)
}
shape ~ dunif(0, 100)

 # Likelihood data model:
 linear_predictor[i] <- a
 for (i in 1:Ntotal) {
    for (j in 1:Nx) {
       linear_predictor[i] <- linear_predictor[i] + b[j]*N[i][j]
    }
    y[i] ~ dgamma(shape, shape / exp(linear_predictor[i]))
  }
 }

y [i] GAMMA（贝叶斯）的JAGS多元线性回归

1 个答案: