r - MCMClogit 混乱

Question

任何人都可以向我解释为什么

simulatedCase <- rbinom(100,1,0.5)
simDf <- data.frame(CASE = simulatedCase)
posterior_m0 <<- MCMClogit(CASE ~ 1, data = simDf, b0 = 0, B0 = 1)

总是导致 MCMC 接受率为 0？任何解释将不胜感激！

Answer 1

我认为您的问题是模型公式，因为逻辑回归模型没有错误项。因此，您的模型CASE ~ 1应该被替换为CASE ~ x（预测变量x是强制性的）。这是您的示例，已修改：

CASE <- rbinom(100,1,0.5)
x <- 1:100
posterior_m0 <- MCMClogit (CASE ~ x, b0 = 0, B0 = 1)
classic_m0 <- glm (CASE ~ x,  family=binomial(link="logit"), na.action=na.pass)

所以我认为你的问题与 MCMCpack 库无关（免责声明：我从未使用过这个包）。

Answer 2

对于遇到同样问题的任何人：

如果您的模型只有截距，则 MCMClogit 函数似乎无法处理 B0=0 以外的任何内容。

如果添加协变量，则可以指定精度。

如果您真的想从此模型中取样，我会考虑其他软件包（例如 arm 或 rjags）。有关可用于贝叶斯回归的选项列表，请参阅http://cran.r-project.org/web/views/Bayesian.html