bayesglm (cánh tay) so với MCMCpack

Cả bayesglm()(trong gói arm R) và các chức năng khác nhau trong gói MCMCpack đều nhằm mục đích ước tính Bayesian cho các mô hình tuyến tính tổng quát, nhưng tôi không chắc chúng thực sự đang tính toán cùng một thứ. Các hàm MCMCpack sử dụng chuỗi Markov Monte Carlo để lấy mẫu (phụ thuộc) từ phía sau khớp cho các tham số mô hình. bayesglm(), mặt khác, sản xuất. Tôi không chắc chắn những gì.

Có vẻ như bayesglm()tạo ra một ước tính điểm, điều này sẽ làm cho ước tính MAP (tối đa là một posteriori) thay vì ước tính Bayes đầy đủ, nhưng có một sim()chức năng trông giống như nó có thể được sử dụng để có được các trận hòa sau.

Ai đó có thể giải thích sự khác biệt trong mục đích sử dụng cho hai? Có thể bayesglm() + sim()tạo ra các bản vẽ sau thực sự, hoặc nó là một loại gần đúng?

Để xem mã nguồn đầy đủ, bạn cần tải xuống armnguồn gói từ CRAN (đó là một tarball). Nhìn nhanh vào simhàm làm cho tôi nghĩ rằng đó armlà một phương pháp Bayes gần đúng vì nó dường như giả định tính quy tắc đa biến của các ước tính khả năng tối đa. Trong các mô hình có khả năng ghi nhật ký không bậc hai, chẳng hạn như mô hình logistic nhị phân, điều này có thể khó có thể đủ chính xác. Tôi muốn nhận được một số ý kiến ​​từ người khác về điều này. Tôi đã sử dụng MCMCpackvới thành công; nó cung cấp một giải pháp Bayes chính xác cho nhiều mô hình, được cung cấp đủ số lần rút sau và sự hội tụ của MCMC.