Question

假设我有一个回归变量，其中响应变量是sales，我有各种销售动因作为自变量。我想使用MCMC建立模型，但不确定（甚至在SAS中运行）是否可行。参见下面的简化模型结构（生产模型中还有更多变量和随机交互）：

Yij =β0+β1TVX1ij+γ（TV×dma）i +εi

对于上述模型，我对以β1表示的电视以及DMA（在美国有210个DMAS）与以gamma表示的电视之间的随机相互作用有一个主要影响。我具有所有参数的先验知识，当我在SAS中运行MCMC时，要花几个小时才能运行。 MCMC可以为随机项处理210个随机交互吗？我之所以使用MCMC，是因为我想利用以前的建模回合中的先验知识，但是如果要花很长时间运行，那是没有意义的。

proc mcmc data=modeldbsubset outpost=postout thin=1000 nmc=20000 seed=7893

         monitor=(b0 b1);
  ods select PostSummaries PostIntervals tadpanel;
  parms b0 0 b1 0;
  parms s2 1 ;
  parms s2g 1;
  prior b: ~ normal(0, var = 10000);
  prior s2: ~ igamma(0.001, scale = 1000);
    random gamma ~ normal(0, var=s2g) subject = dmanum monitor = (gamma) namesuffix = position;


  mu = b0 + b1*TV + gamma;

  model Y ~ normal(mu, var = s2);

Answer 1

我不使用SAS，但是使用他们的默认随机行走都会区这种规模的模型会惨败，这并不奇怪，该都会区会使用提案分配的身份Cov矩阵进行初始化。 The documentation on scale tuning说，您可以调整为cov的MAP估算值（这是PyMC3的默认设置），所以也许尝试从那里开始。但是，文档还说这样做会使用MAP进行参数初始化，这是一个坏主意，因为MAP通常不在高尺寸的典型集中。

最后，我希望您需要针对您的数据进行大量调整，以使其真正正常运行，但不幸的是，这只是其中的一部分。

或者，您最好选择一个更高级的实现HMC / NUTS的MCMC采样框架，例如Stan或PyMC3或Edward。甚至还有一些高级软件包，例如RStanArm，专门用于贝叶斯回归建模，但将较低级的MCMC内容保留在后台。

MCMC将永远在SAS中运行

1 个答案: