别再搞错贝叶斯线性回归:原理+操作+解读.docxVIP

  • 0
  • 0
  • 约6.98千字
  • 约 10页
  • 2026-11-18 发布于北京
  • 举报

别再搞错贝叶斯线性回归:原理+操作+解读.docx

别再搞错贝叶斯线性回归:原理+操作+解读

案例数据下载:/data/bayes_linear_sample.csv

方法简介

贝叶斯线性回归(Bayesianlinearregression)用一个或多个自变量解释定量因变量,但报告的不是t值与p值,而是每个系数的后验分布、系数为正的后验概率,以及整套模型相对零模型的贝叶斯因子。传统回归只能回答“若系数为0,出现当前估计的概率有多小”;贝叶斯回归直接回答“系数可能落在哪个区间、为正的把握有多大、这组自变量整体提供了多少证据”。SPSSAU采用正态-逆Gamma(NIG)共轭模型,系数与任意线性组合的后验都是t分布,闭式计算,不抽样。

建模时先把因变量与定量自变量标准化(均值0、标准差1),定类自变量展开成0/1哑变量(把分类变量拆成若干0/1列)且参照类不出列,然后拟合z=Aβ+ε。系数先验为β~N(0,先验方差·σ2),先验方差缺省100(先验标准差为10σ,本例σ后验均值约0.585,先验标准差约5.9,相对于标准化后的数据仍几乎不收缩);σ2的先验为Inv-Gamma(0.01,0.01)(很弱)。后验均值、标准差、可信区间、HDI与P(B0)都从这条t后验直接读出。结果表里的非标准化系数B与常数项已换回原始量纲,标准化系数Beta

文档评论(0)

1亿VIP精品文档

相关文档