我试图使用索引作为响应(D47),温度作为预测因子(Temp)并考虑离散变量(材料)的随机效应来建模贝叶斯回归。我发现了关于非等级回归的非常好的信息,有些帖子甚至包括这些模型的预测策略。尽管如此,在我的模型中预测D47值时,我发现了一个显着的问题,主要是因为随机截取。JAGS随机效应模型预测
在预测JAGS回归期间有没有办法处理随机截距?
谢谢您的回答,
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
}
}"
什么,具体而言,是“显着问题“? –
问题是:我可以使用这个JAGS模型预测D47值吗?我还没有找到任何关于基于JAGS随机拦截模型的预测的信息。谢谢 – CristianR