我正在尝试建立一个贝叶斯回归模型,将指数(D47)作为响应变量,温度(Temp)作为预测变量,并考虑离散变量(Material)的随机效应。我已经找到了关于非层次回归的非常好的信息,有些文章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值时遇到了一个显著的问题,主要是由于随机截距。
在JAGS回归的预测过程中,有没有处理随机截距的方法?
谢谢您的回答,
在JAGS回归的预测过程中,有没有处理随机截距的方法?
谢谢您的回答,
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
}
}"