階層ベイズ モデルは、マーケティング、政治学、計量経済学で一般的に使用されています。しかし、私が知っている唯一のパッケージは でありbayesm
、これは実際には書籍のコンパニオンです ( Bayesian Statistics and Marketing、Rossi などによる)。そこに仕事をしているRまたはPython用のソフトウェアパッケージ、および/または関連する言語での実用的な例はありますか?
7 に答える
OpenBUGS と R ヘルパー パッケージがあります。Gelman のサイトで彼の本をチェックしてください。ほとんどの関連リンクがあります。
Python 側では、PyMC しか知りません。
編集: R と BUGS を使用した例について、オンラインで入手可能な Gelman の本から適切な付録へのリンクを追加しました。
本全体を通して R コードで書かれた、階層モデリングとベイズ分析に関する 4 冊の本を次に示します。
Hierarchical Modeling and Analysis for Spatial Data (Monographs on Statistics and Applied Probability) (ハードカバー) http://www.amazon.com/gp/product/158488410X
回帰およびマルチレベル/階層モデルを使用したデータ分析 (ペーパーバック) http://www.amazon.com/Analysis-Regression-Multilevel-Hierarchical-Models/dp/052168689X/ref=pd_sim_b_1
R を使用したベイジアン計算 (R を使用) (ペーパーバック) http://www.amazon.com/Bayesian-Computation-R-Use/dp/0387922970/ref=pd_bxgy_b_img_c
Hierarchical Modeling for the Environmental Science: Statistical Methods and Applications (Oxford Biology) (ペーパーバック) (両方の著者が R を広く使用しているため、これには R コードがあると想定しています)
Python の本で多変量解析 (Collective Intelligence など) に手を出していることは知っていますが、ベイジアンや階層モデリングを実際に掘り下げている本は見たことがありません。
Python では、PyMC を試してください。マルチレベル モデリングの例がここにあります: http://groups.google.com/group/pymc/browse_thread/thread/c6ce37a80edf7f85/1bfd9138c8db891d
R 用のMCMCpackにはいくつかの階層モデルがあります。私の知る限り、これは多くの一般的なモデル タイプの最速のサンプラーです。(その中に【階層項目対応】【2】のモデルを書きました。)
[RJAGS][3] はその名前のように聞こえます。jags 風味の .bug モデルをコーディングし、R でデータを提供し、R から Jags を呼び出します。
R の階層型ベイズ モデルを、JAGS (Linux) または場合によっては WinBUGS (Windows または Wine) と組み合わせて適用します。上記のアンドリュー・ゲルマンの本をチェックしてください。
頻度主義法を使用して階層モデルを推定する lme4 パッケージには、MCMC を使用してモデルの事後分布からサンプリングできる mcmcsamp という関数があります。残念ながら、これは現在、線形モデルでのみ機能します。
この答えはほぼ10年遅れていますが、将来誰かに役立つことを願っています.
Rのbrms
パッケージは、パッケージと非常によく似た構文を使用する、ベイジアン階層/マルチレベル モデルの非常に優れたオプションですlme4
。
このbrms
パッケージは、背後で確率的プログラミング言語 Stan を使用して推論を行います。Stan は、事後分布からより効率的で信頼性の高いサンプルを提供するハミルトニアン モンテカルロなど、JAGS や BUGS よりも高度なサンプリング方法を使用します。
より複雑な現象をモデル化する場合は、rstan
パッケージを使用して R から Stan モデルをコンパイルできます。Python の代替手段もありPyStan
ます。ただし、これを行うには、Stan の使用方法を習得する必要があります。