bayesglm (ramię) kontra MCMCpack

Zarówno bayesglm()(w pakiecie ramienia R), jak i różne funkcje w pakiecie MCMCpack mają na celu dokonanie estymacji bayesowskiej uogólnionych modeli liniowych, ale nie jestem pewien, czy obliczają to samo. Funkcje MCMCpack wykorzystują łańcuch Markova Monte Carlo, aby uzyskać (zależną) próbkę ze stawu tylnego dla parametrów modelu. bayesglm()z drugiej strony produkuje. Nie jestem pewien co.

Wygląda na to, że bayesglm()daje oszacowanie punktowe, co sprawiłoby, że byłoby to oszacowanie MAP (maksimum a posteriori) zamiast pełnego oszacowania Bayesowskiego, ale istnieje sim()funkcja, która wygląda tak, jakby można go użyć do uzyskania tylnych rysunków.

Czy ktoś może wyjaśnić różnicę w zamierzonym użyciu tych dwóch urządzeń? Czy może bayesglm() + sim()generować prawdziwe tylne rysunki, czy może jest to jakieś przybliżenie?

Aby zobaczyć pełny kod źródłowy, musisz pobrać armźródło pakietu z CRAN (jest to tarball). Szybkie spojrzenie na simfunkcję sprawia, że ​​myślę, że armjest to przybliżona metoda Bayesa, ponieważ wydaje się, że zakłada ona wielowymiarową normalność szacunków maksymalnego prawdopodobieństwa. W modelach o bardzo niekwadratowym prawdopodobieństwie dziennika, takich jak binarny model logistyczny, może nie być wystarczająco dokładne. Chciałbym uzyskać od innych komentarze na ten temat. Użyłem MCMCpackz powodzeniem; zapewnia dokładne rozwiązanie bayesowskie dla wielu modeli, biorąc pod uwagę wystarczającą liczbę tylnych rysunków i zbieżność MCMC.