我試圖使用索引作爲響應(D47),溫度作爲預測因子(Temp)並考慮離散變量(材料)的隨機效應來建模貝葉斯迴歸。我發現了關於非等級迴歸的非常好的信息,有些帖子甚至包括這些模型的預測策略。儘管如此,在我的模型中預測D47值時,我發現了一個顯着的問題,主要是因爲隨機截取。JAGS隨機效應模型預測
在預測JAGS迴歸期間有沒有辦法處理隨機截距?
謝謝您的回答,
克里斯蒂安
model1<-"model {
# Priors
mu_int~dnorm(0, 0.0001) # Mean hyperparameter for random intercepts
sigma_int~dunif(0, 100) # SD hyperparameter for random intercepts
tau_int <- 1/(sigma_int*sigma_int)
for (i in 1:n) {
alpha[i]~dnorm(mu_int, tau_int) # Random intercepts
}
beta~dnorm(0, 0.01) # Common slope
sigma_res~dunif(0, 100) # Residual standard deviation
tau_res <- 1/(sigma_res*sigma_res)
# Likelihood
for (i in 1:n) {
mu[i] <- alpha[Mat[i]]+beta*Temp[i] # Expectation
D47[i]~dnorm(mu[i], tau_res) # The actual (random) responses
}
}"
什麼,具體而言,是「顯着問題「? –
問題是:我可以使用這個JAGS模型預測D47值嗎?我還沒有找到任何關於基於JAGS隨機攔截模型的預測的信息。謝謝 – CristianR