每个人。我有一个关于如何使用 pymc 在贝叶斯模型中进行面板数据分析的问题。数据是这样的：
..........................................................
User Time x1 x2 x3 Y
1 1 1 1 3 2
1 2 2 1 4 1
1 3 2 2 2 1
1 4 1 3 1 3
1 5 1 1 2 3
2 1 1 3 1 3
2 2 1 1 2 2
2 3 2 3 1 0
2 4 1 2 2 3
2 5 1 1 1 2
3 1 4 3 1 3
3 2 3 1 3 2
3 3 2 3 2 2
3 4 2 1 2 3
3 5 1 1 1 2
4 1 1 1 3 2
4 2 2 2 4 3
4 3 2 2 2 1
4 1 1 3 1 3
4 1 4 5 2 3
.............
..........................................................
现在，我有 N 个用户使用 T 次样本 (N≫T)，以及自变量 (x1,x2,x3) 和因变量 (Y)。
现在，我想在集体层面分析 X 对 Y 的影响。以最简单的线性回归为例，参照《贝叶斯计量经济学导论》（PP.145）一书，一般模型常写为：
$$ y_{it} = x_{it}{\beta}+ w_{it}{b_i}+ {u_{it}}, i = 1,...,n;\;\;t = 1,。 ..,T $$
其中，$i$ 表示用户；$t$ 代表时间；${\beta}$ 在 $i$ 之间没有差异，称为固定效应；${b_i}$ 与 $i$ 不同，称为随机效应。
在贝叶斯看来，${\beta}$ 和 ${b_i}$ 都被视为随机变量。所以，设 ${\beta} $~$ N({\beta}_0,{\beta}_1)$, 和 ${b_i} $~$ N({\lambda_0},{\lambda_1})$
但是，这是理论上的一般思想，但我对如何在 pymc 中建模和拟合它没有任何想法。
感谢任何人给我一些灵感或示例代码。