bayesglm (arm) проти MCMCpack

Як bayesglm()(в пакеті R-R), так і різні функції в пакеті MCMCpack спрямовані на те, щоб зробити байєсівську оцінку узагальнених лінійних моделей, але я не впевнений, що вони насправді обчислюють одне і те ж. Функції MCMCpack використовують ланцюг Маркова Монте-Карло для отримання (залежного) зразка із спільного заднього для параметрів моделі. bayesglm(), з іншого боку, виробляє. Я не впевнений, що.

Схоже, bayesglm()виробляється точкова оцінка, яка б зробила його оцінкою MAP (максимум a posteriori), а не повною байєсівською оцінкою, але є sim()функція, схожа на те, що вона може бути використана для отримання задніх малюнків.

Чи може хтось пояснити різницю в цільовому використанні для двох? Може bayesglm() + sim()створити справжні задні малюнки, чи це якесь наближення?

Щоб побачити повний вихідний код, потрібно завантажити armджерело пакету з CRAN (це тарбол). Швидкий погляд на simфункцію змушує мене думати, що armце приблизний метод Байєса, оскільки, здається, передбачає багатоваріантну нормальність максимальної оцінки ймовірності. У моделях з дуже неквадратичною вірогідністю журналу, наприклад, бінарною логістичною моделлю, це навряд чи буде досить точним. Я хотів би отримати деякі коментарі з цього приводу інших. Я MCMCpackуспішно користувався; це забезпечує точне байєсівське рішення для багатьох моделей, враховуючи достатньо задніх малюнків та конвергенції MCMC.