MCMC tabanlı regresyon modellerinde rezidüel teşhis

Geçenlerde bir MCMC algoritması (gerçekte R'de MCMCglmm işlevini kullanarak) kullanarak Bayesian çerçevesindeki regresyon karma modellerini yerleştirmeye başladım.

Tahmin sürecinin yakınlaşmasının nasıl teşhis edildiğini anladığımı düşünüyorum (iz, büyü parsel, otokorelasyon, arka dağılım ...).

Bayesian çerçevesinde beni vuran şeylerden biri de bu teşhisi yapmak için çok çaba sarfedilmiş gibi görünmekle birlikte, takılı modelin kalıntılarını kontrol etmek için çok az şey yapıldığı görülüyor. Örneğin, MCMCglmm'de artık.mcmc () işlevi var, ancak gerçekte henüz uygulanmadı (örneğin, sonuç: "MCMCglmm nesneleri için henüz uygulanmamış artıklar"; predict.mcmc () için aynı hikaye). Diğer paketlerden de yoksun görünüyor ve daha genel olarak bulduğum literatürde çok az tartışılıyor (DIC dışında da oldukça yoğun bir şekilde tartışılıyor).

Biri beni bazı faydalı referanslara ve ideal olarak oynayabileceğim veya değiştirebileceğim R koduna işaret edebilir mi?

Çok teşekkürler.

Artık terimin kullanımının Bayesian regresyonu ile tutarlı olmadığını düşünüyorum. Sık sık olasılık modellerinde, sabit tahmin edilebilir büyüklükler olarak kabul edilen parametreler olduğunu ve veri oluşturma mekanizmasının gözlemlenen verilerle ilgili bazı rastgele olasılık modeline sahip olduğunu unutmayın. Bayesliler için, olasılık modellerinin parametreleri değişken olarak kabul edilir ve sabit veriler bu parametrelerin ne olduğuna dair inancımızı günceller. Eğer varyansını hesaplıyormuş Bu nedenle, gözlemlenen eksi donatılmış bir regresyon modelinde değerleri gözlenenbileşen 0 varyansa sahipken, takılan bileşen model parametreleri için posterior olasılık yoğunluğunun bir fonksiyonu olarak değişecektir. Bu, frekansçı regresyon modelinden elde edeceğiniz şeyin tam tersidir. Birisinin Bayesian regresyon modelinin olasılık varsayımlarını kontrol etmekle ilgilenmesi durumunda, normal bir dağılıma karşı parametre tahminlerinin arka yoğunluğunun basit bir QQplot (MCMC örneklememizden hesaplanan) kalıntının analizine benzer tanısal güce sahip olacağını düşünüyorum. doğrusal olmayan bağlantı işlevleri için).