Как интерпретировать апостериорную вероятность регрессионной переменной?

Я использую следующую модель в WINBUGS для запуска иерархической байесовской регрессии, где beta являются моими ковариатами:

введите здесь описание изображения

Если я изменю эту модель, добавив следующий код:

# posterior probabilities of Positive beta's
p.beta0 <- step( beta0 )
p.beta1 <- step( beta1 )

Затем я могу оценить апостериорную вероятность (PP) (положительной или отрицательной) связи бета-ковариат.

Мои бета-значения:

beta0 = 0.23434
beta1 = -0.4582

С этим кодом PP из beta0 равно 0.959033, а PP из beta1 равно 0.015043. Моя интерпретация для beta0 состоит в том, что существует 95,9033% положительной связи с этим ковараитом. Однако я не уверен, как интерпретировать beta1, так как это имеет отрицательную связь и низкую апостериорную вероятность. Я не уверен, что это проблема с моим кодом для вычисления апостериорных вероятностей.

Любое понимание приветствуется.


regression bayesian mcmc winbugs r2winbugs
person user121    schedule 03.08.2018    source источник

Ответы (1)


arrow_upward
0
arrow_downward

beta — это ваши коэффициенты регрессии, а не ковариаты. Чтобы понять beta0 и beta1, вам нужно посмотреть на модель. Часть этого говорит о том, что log(mu[i]) = beta0 + beta1*aff[i]/10, где mu[i] — уровень заболеваемости раком в районе i. exp(beta0) показывает среднюю заболеваемость раком по всем областям с aff = 0. Поскольку beta1 = -0.4582 отрицательное, заболеваемость раком уменьшается при увеличении aff: каждый раз, когда вы увеличиваете aff на 10, логарифмическая частота рака уменьшается на 0,4582.

person papgeo    schedule 06.08.2018