simulation - 在贝叶斯模拟中，为什么在模型中对具有先验的参数使用固定值？

Question

在模拟贝叶斯模型时，我们是否应该将参数视为随机变量（先验），而不是使用固定值？

例如，我们有一个贝叶斯线性模型 y=x\beta+\epsilon。在模拟时，文献中通常： 1. 将回归系数设置为固定值，例如（0,3,-2,1,0,...）；2.多次模拟预测器；3.模拟误差项，通常是标准正态；4. 生成响应。

如果回归系数有先验（假设它们有可交换的先验），因此我们有后验分布，为什么我们只模拟一组回归系数值？这听起来像后验有一个分布，这意味着我们不相信任何固定值，而事实确实是固定值。在良好的设置下，即使后验均值也应该收敛到 OLS 估计，但这仍然很难理解。

标签： simulationbayesian