文件名称：walker:时变系数的贝叶斯广义线性模型
文件大小：2.14MB
文件格式：ZIP
更新时间：2024-05-21 03:51:08
r time-series bayesian stan mcmc
沃克：具有时变系数的贝叶斯广义线性模型 R package walker提供了一种用于完全贝叶斯广义线性回归的方法，该方法允许将回归系数作为一阶或二阶积分随机游动随时间变化。 马尔可夫链蒙特卡洛（MCMC）算法使用Stan提供的哈密顿蒙特卡洛（Hamiltonian Monte Carlo），并使用模型的状态空间表示，以便边缘化系数以进行准确而有效的采样。 对于非高斯模型，MCMC以高斯近似为目标，近似目标边缘后验，然后使用重要性抽样进行校正。 有关详细信息和示例，请参见包装和。 您可以使用软件包从Github下载walker的开发版本： devtools :: install_github( " helske/walker " ) 消息 6.4.2021 将logLik变量的名称logLik为log_lik以便它与loo兼容。 27.1.2021 修复了小插图中导致CRAN警
【文件预览】：
walker-master
----.github()
--------.gitignore(7B)
--------workflows()
----configure.win(134B)
----vignettes()
--------walker.bib(2KB)
--------walker.Rmd(13KB)
--------vignette_results.rds(1.61MB)
--------dag.png(131KB)
----NAMESPACE(2KB)
----LICENSE.txt(34KB)
----DESCRIPTION(2KB)
----src()
--------stanExports_rw1_model.h(57KB)
--------stanExports_rw1_model.cc(2KB)
--------Makevars(810B)
--------stanExports_walker_lm.cc(2KB)
--------predict.h(925B)
--------Makevars.win(506B)
--------stanExports_rw1_model_naive.cc(2KB)
--------predict.cpp(6KB)
--------stanExports_walker_glm.h(113KB)
--------RcppExports.cpp(5KB)
--------stanExports_rw1_model_naive.h(32KB)
--------stanExports_walker_glm.cc(2KB)
--------stanExports_walker_lm.h(89KB)
----inst()
--------stan()
--------CITATION(638B)
--------include()
----R()
--------walker.R(22KB)
--------print_fit.R(5KB)
--------pp_check.R(1KB)
--------stanmodels.R(1KB)
--------plot_coefs.R(2KB)
--------plot_predict.R(4KB)
--------plot_fit.R(962B)
--------zzz.R(236B)
--------lfo.R(9KB)
--------rw.R(4KB)
--------RcppExports.R(737B)
--------predict_counterfactual.R(5KB)
--------fitted.R(3KB)
--------walker_rw1.R(7KB)
--------predict.R(4KB)
----configure(117B)
----walker.Rproj(303B)
----.Rbuildignore(81B)
----walker_html()
--------walker.html(865KB)
----README.md(5KB)
----man()
--------rw2.Rd(1KB)
--------walker_rw1.Rd(5KB)
--------fitted.walker_fit.Rd(671B)
--------rw1.Rd(1009B)
--------walker.Rd(5KB)
--------predict.walker_fit.Rd(1KB)
--------plot_coefs.Rd(906B)
--------pp_check.walker_fit.Rd(994B)
--------plot_fit.Rd(626B)
--------predict_counterfactual.Rd(2KB)
--------coef.walker_fit.Rd(726B)
--------as.data.frame.walker_fit.Rd(979B)
--------print.walker_fit.Rd(562B)
--------plot_predict.Rd(2KB)
--------walker_glm.Rd(5KB)
--------lfo.Rd(2KB)
--------summary.walker_fit.Rd(556B)
----tests()
--------test_all.R(41B)
--------testthat()
----.gitignore(104B)