Байесглм (арм) против MCMCpack

Как bayesglm()(в пакете arm R), так и различные функции в пакете MCMCpack нацелены на байесовскую оценку обобщенных линейных моделей, но я не уверен, что они фактически вычисляют одно и то же. Функции MCMCpack используют цепочку Маркова Монте-Карло для получения (зависимой) выборки из задней точки соединения для параметров модели. bayesglm()с другой стороны, производит. Я не уверен, что.

Похоже, bayesglm()производит точечную оценку, которая делает его MAP (максимальная апостериорная) оценка, а не полная байесовская оценка, но есть sim()функция, которая выглядит так, как будто она может быть использована для получения апостериорных ничьих.

Может кто-нибудь объяснить разницу в предполагаемом использовании для двух? Может ли bayesglm() + sim()производить настоящие задние ничьи, или это своего рода приближение?

Чтобы увидеть полный исходный код, вам нужно скачать исходный код armпакета из CRAN (это тарбол). Беглый взгляд на simфункцию заставляет меня думать, что armэто приближенный метод Байеса, так как он, кажется, предполагает многомерную нормальность оценок максимального правдоподобия. В моделях с очень неквадратичной логарифмической вероятностью, такой как бинарная логистическая модель, это вряд ли может быть достаточно точным. Я хотел бы получить некоторые комментарии от других по этому поводу. Я использовал MCMCpackс успехом; это обеспечивает точное байесовское решение для многих моделей, учитывая достаточное количество задних точек и сходимость MCMC.