Bagaimana cara menghasilkan prediksi dengan rjags?

12

Saya telah menggunakan rjags untuk menjalankan MCMC pada model, yang ditentukan dalam bahasa JAGS. Apakah ada cara yang baik untuk mengekstrak model itu dan melakukan prediksi dengannya (menggunakan distribusi posterior parameter saya)? Saya dapat menentukan kembali model dalam R dan menyambungkan mode posteriors parameter saya; Saya hanya ingin tahu apakah ada cara yang tidak berlebihan untuk melakukan ini.

Saya percaya http://sourceforge.net/p/mcmc-jags/discussion/610037/thread/0ecab41c menanyakan pertanyaan yang sama.

Sejarawan Kuantitatif
sumber
Tautan rusak. Bisakah Anda memperbaruinya?
chl
Selesai Sepertinya sourceforge disusun ulang
Kuantitatif Sejarawan
Terima kasih! (Saya sendiri belum menemukan utas sejak SF mengubah jalur relatifnya.)
chl

Jawaban:

8

Biasanya Anda bisa melakukan prediksi di JAGS. Di bawah ini adalah contoh regresi dengan FEV (ada hubungannya dengan kapasitas paru-paru) sebagai variabel dependen dan indikator usia dan merokok sebagai prediktor.

FEV20s dan FEV20ns adalah nilai FEV yang diprediksi untuk perokok berusia 20 tahun dan bukan perokok berusia 20 tahun.

model
{
for(i in 1:n){
    FEV[i] ~ dnorm(mu[i],tau)
    mu[i] <- beta[1] + beta[2]*Age[i] + beta[3]*Smoke[i]  + beta[4]*Age[i]*Smoke[i]
}

#priors
beta[1] ~ dnorm(0,0.001)
beta[2] ~ dnorm(0,0.001)
beta[3] ~ dnorm(0,0.001)
beta[4] ~ dnorm(0,0.001)
tau ~ dgamma(0.001,0.001)
sigma<-1/sqrt(tau) 

## Predict the FEV for a 20 year old smoker and for a 20 year old nonsmoker
mu20s <-  beta[1] + (beta[2]+beta[4])*20 + beta[3]
mu20ns <-  beta[1] + beta[2]*20 
FEV20s ~ dnorm(mu20s,tau)
FEV20ns ~ dnorm(mu20ns,tau)
}

Contoh dari: Ide Bayesian dan Analisis Data

Lembah kecil
sumber
Terima kasih untuk penunjuknya - saya tidak berpikir tentang hanya mengirim data pengujian saya ke JAGS, tetapi itu harus dilakukan.
Kuantitatif Sejarawan
1
Apakah ada cara untuk menghasilkan prediksi ini tanpa harus mereparasi seluruh model? Jika ada itu akan cukup mudah untuk secara paralel memparalelkan menghasilkan prediksi, namun, jika seluruh model perlu diperbaiki, ini tidak mungkin.
colin