R 或 Python 的分层贝叶斯答案

【问题标题】：Hierarchical Bayes for R or PythonR 或 Python 的分层贝叶斯
【发布时间】：2010-11-14 13:40:22
【问题描述】：

分层贝叶斯模型常用于市场营销、政治学和计量经济学。然而，我知道的唯一软件包是 bayesm，它确实是一本书的伴侣（Bayesian Statistics and Marketing，Rossi 等人）。我错过了什么吗？是否有用于 R 或 Python 的软件包，和/或相关语言的已解决示例？

【问题讨论】：

【解决方案1】：

这个答案迟了将近十年，但希望能在未来对某人有所帮助。

R 中的 brms 包对于贝叶斯分层/多级模型来说是一个非常好的选择，其语法与 lme4 包非常相似。

brms 包在后面使用概率编程语言 Stan 进行推理。 Stan 使用比 JAGS 和 BUGS 更先进的采样方法，例如 Hamiltonian Monte Carlo，它可以从后验分布中提供更高效和可靠的样本。

如果你想建模更复杂的现象，那么你可以使用rstanpackage 从 R 编译 Stan 模型。还有 Python 替代品PyStan。但是，为了做到这一点，您必须学习如何使用 Stan。

【讨论】：

【解决方案2】：

我将 R 中的分层贝叶斯模型与 JAGS (Linux) 或有时是 WinBUGS（Windows 或 Wine）结合使用。看看上面提到的 Andrew Gelman 的书。

【讨论】：

【解决方案3】：

【讨论】：

我要补充一点，PyMC 与 WinBUGS 足够接近（根据我的经验），如果您有教您使用 WinBUGS（或可能是 JAGS）的文本，您可以轻松编写自己的 PyMC 代码。

【解决方案4】：

lme4 包使用频率学方法估计层次模型，它有一个名为 mcmcsamp 的函数，允许您使用 MCMC 从模型的后验分布中进行抽样。这目前仅适用于线性模型，很遗憾。

【讨论】：

【解决方案5】：

MCMCpack 中有一些用于 R 的分层模型，据我所知，这是许多常见模型类型的最快采样器。（我在里面写了[hierarchical item response][2]模型。）

[RJAGS][3] 就像它的名字一样。编写一个 jags 风格的 .bug 模型，在 R 中提供数据，并从 R 中调用 Jags。

【讨论】：

【解决方案6】：

这里有四本关于分层建模和贝叶斯分析的书，这些书都是用 R 代码编写的。

空间数据的分层建模与分析（统计与应用概率专着）（精装本） http://www.amazon.com/gp/product/158488410X

环境科学的分层建模：统计方法和应用（牛津生物学）（平装本）（我假设这个有 R 代码，因为两位作者都广泛使用 R）

我知道一些 Python 书籍涉足多元分析（例如集体智能），但我还没有看到任何真正深入研究贝叶斯或分层建模的书籍。

【讨论】：

【解决方案7】：

有 OpenBUGS 和 R 帮助程序包。查看 Gelman 的网站以获取他的书，其中包含大部分相关链接：

在 Python 方面，我只知道 PyMC：

编辑：添加了 Gelman 书中相应附录的链接，可在线获取，例如使用 R 和 BUGS。

【讨论】：