regression - 如何解释回归变量的后验概率?
问题描述
我在 WINBUGS 中使用以下模型来运行分层贝叶斯回归,其中beta
是我的协变量:
如果我通过添加以下代码来修改此模型:
# posterior probabilities of Positive beta's
p.beta0 <- step( beta0 )
p.beta1 <- step( beta1 )
然后我可以评估PP
beta 协变量(正或负)关联的后验概率 ( )。
我的 beta 值是:
beta0 = 0.23434
beta1 = -0.4582
使用此代码,PP
ofbeta0
是0.959033
,而PP
ofbeta1
是0.015043
。我的解释beta0
是,这种 covaraite 有 95.9033% 的正相关。但是,我不确定如何解释,beta1
因为这具有负关联和低后验概率。我不确定计算后验概率的代码是否存在问题。
欢迎任何见解。
解决方案
beta
是您的回归系数,而不是协变量。要了解beta0
,beta1
您必须查看模型。一部分是说log(mu[i]) = beta0 + beta1*aff[i]/10
,哪里mu[i]
是癌症发病率的地区i
。exp(beta0)
显示 aff = 0 时所有区域的平均癌症发病率。因为beta1 = -0.4582
是负数,所以当 aff 增加时,癌症发病率会降低:每次将 aff 增加 10,对数癌症发病率就会降低 0.4582。
推荐阅读
- sonos - 授权代码与示例代码具有不同的结构
- c# - 更改 DateTime 的时区以满足 API 合同
- arrays - 在 Swift 中按键对字典进行排序
- python - 将两个堆积条形图组合成一个分组堆积条形图
- ms-access - 列表表单每条记录显示多行
- sql-server - Crystal Reports:使用日期范围参数将主列表保留在报告中
- python - Lambda 函数 boto3 python
- javascript - 定义复选框的变量 - 始终为空
- php - 禁用 WooCommerce 产品添加到购物车以获取特定的自定义分类术语元值
- javascript - 比较两个 JSON 并创建一个具有共同值的 json