问题标签 [hierarchical-bayesian]

我有一个如下所示的数据集（显示前 5 行）。CPA 是对不同广告投放的实验（处理）的观察结果。航班在活动中按层次分组。

我适合如下模型：

据我所知，这个模型简单地说：

• 我们有一个斜坡进行治疗
• 我们有一个全局拦截
• 我们也有每个广告系列的拦截

所以每个这样的变量只会得到一个 后验。

然而，看看下面的结果，我也得到了以下变量的后验：1|campaign_uid_offset. 它代表什么？

拟合模型和绘图的代码：

我有具有 32 个未知参数（alpha_1、alpha_2、...、alpha_30、mu、.sigma^2）的分层贝叶斯模型。mu 和 sigma^2 的条件后验分布具有封闭形式，但 ( alpha_1, alpha_2,..., alpha_30 ) 的条件后验分布不是封闭形式，因此我需要在 Gibbs 采样器中使用 Metropolis Hastings 采样器。我的问题是 30 个参数的 Metropolis Hastings 采样器的算法和 R 代码是什么？

我正在努力实现贝叶斯层次模型。

基本上，我正在尝试建立一个具有这种结构的模型......

分层模型图片

我有关于个人在将球扔给他们时能够击球多少次的数据（建模为二项式）。击中每个球的个人机会 (theta) 是从所有可能的 theta 的 beta 分布中得出的。这种个人级别的贝塔分布的模式本身是从更高级别的“玩家位置”贝塔分布中得出的，它代表了在该位置上玩的所有个人的可能模式。这个想法是将所有这些都放入一个层次模型中，以允许在单个级别的分布上进行收缩。

我已经尝试像这样使用 pymc 来实现它，但它似乎没有正确采样（即，所有东西都保持在起始值）。任何帮助表示赞赏！

我浏览了帮助文件，但没有找到答案。

我有一个 .dat 文件，其中列出了变量并包含它们的数据。

在“var.dat”文件中，第一行如下所示：（为了便于查看，我已将其删减）

这是我的问题。

在下面的代码行中，我需要引用 var.dat 文件。

此代码如何调用文件？我需要将它保存在哪里，以便代码可以访问 file= 函数？我需要先加载它吗？

谢谢。

我正在 JAGS+R 中为删失数据的计数数据编写分层泊松模型。

A是一个矩阵，行是不同的地方，列是我计算下雨天的不同时间间隔。作为协变量，我有一组 X_k$ 矩阵。对于每个地点和时间间隔，我都有协变量，例如平均温度（存储在 X_1）、刮风天数（在 X_2 中）、平均湿度（在 X_3 中）。

我应该将审查数据与非审查数据分开吗？我如何用矩阵做到这一点？

谢谢你的帮助！

更新：

我在一个循环中直到最后但一个注册的时间间隔（对于每个地方都可能由于设备故障而受到审查）

mu[i,j]<- a[1]*x[i,1]+a[2]*x[i,2]+ b[1,j]*varx[i,j]+b[2, j]*varx[i,j]
N[i,j] <- dpois(lambda[i,j])
log(lambda[i,j]) <- mu[i,j] + alpha[i]
alpha[ i]<- G0[latent[i]]
潜在[i]~ dcat(prob[])

在最后一个时间间隔重复此操作。在最后一个时间间隔位中添加
了censoor[i]<-step(-censored[i])
，censored[i]是一个vec，表示是否有设备故障

我是新手，它不起作用，有什么帮助吗？谢谢

我在 MCMCglmm 中运行混合模型时遇到了一些麻烦。当我尝试将其作为线性回归运行时，它工作正常：

但我似乎无法让它运行逻辑或序数回归：

它给了我以下错误消息：

sort.list(y) 中的错误：对于 'sort.list'，'x' 必须是原子的 你是否在列表中调用了 'sort'？另外：警告消息：未知或未初始化的列：'family'。

提前致谢！

我正在尝试用贝叶斯拟合分层负二项式模型。尽管我的数据是专有的，但我能够使用人造黄油数据集重新创建相同的错误。我得到的错误如下：

我按如下方式设置了模拟数据（回归完全是荒谬的——只是想让它工作）：

我将非常感谢对此问题的任何见解。

我想比较 betareg 回归与使用 rjags 的相同回归

下面我试图用 rjags 做同样的回归

我在这条线上得到一个错误

你能建议吗

(1)如何修复错误

(2)如何设置beta回归的先验

谢谢你。

我使用 rethinking 包和 rstan() 复制了分层模型的结果，我只是好奇为什么 n_eff 不接近。

这是使用 rethinking 包对 2 个组 (intercept_x2) 进行随机截距的模型：

代码：

现在这是 rstan() 中的相同模型：

我的问题：

• 使用 rethinking() 时 n_eff 更大。存在模拟差异，但您认为这里发生了其他事情吗？
• 除了 n_eff 不同之外，后验分布的百分位数也不同。我在想 rethinking() 和 rstan() 应该通过 5000 次迭代返回相似的结果，因为 rethinking 只是调用 rstan。两种实现之间的差异是正常的还是不同的？
• 我创建了 data$GROUP_ID 来指示分类分组。这是将分类变量合并到 rstan() 中的层次模型中的正确方法吗？我有 2 个组，如果我有 50 个组，我使用相同的 data$GROUP_ID 向量，但这是标准方式吗？

谢谢你。

我正在使用 brms 包在预测变量 x 上构建具有高斯过程的多级模型。该模型如下所示： make_stancode(y ~ gp(x, cov = "exp_quad", by= groups) + (1| groups), data = dat) 所以 x 预测变量上的 gp 和多级组变量。就我而言，我有 5 个组。我一直在查看代码（如下），并且试图弄清楚一些参数的含义和维度。

我看到 M_1 是组数

我的问题是：

1. N_1是什么意思，和观察次数N一样吗？此处使用：vector[N_1] z_1[M_1]; // 未缩放的组级效果

2. 对于 Kgp_1 和 Mgp_1（int Kgp_1; 和 int Mgp_1;），如果我有 5 个组，Kgp_1 和 Mgp_1 是否都等于 5？如果是这样，为什么要使用两个变量？

   // 使用 brms 1.10.0 函数生成 {

   /li>