Отсутствующие значения в переменной ответа в JAGS

Гельман и Хилл (2006) говорят:

В ошибках, пропущенные результаты в регрессии могут быть легко обработаны, просто включив вектор данных, NA и все. Ошибка явно моделирует выходную переменную, и поэтому тривиально использовать эту модель, чтобы влиять на пропущенные значения на каждой итерации.

Это звучит как простой способ использовать JAGS для прогнозирования. Но влияют ли наблюдения с отсутствующими результатами на оценки параметров? Если да, есть ли простой способ сохранить эти наблюдения в наборе данных, который видит JAGS, но не позволить им повлиять на оценки параметров? Я думал о функции вырезания, но она доступна только в сообщениях об ошибках, но не в JAGS.

Да, это действительно легко использовать в ошибках или JAGS! На самом деле это приятно использовать!

Но влияют ли наблюдения с отсутствующими результатами на оценки параметров?

Конечно, нет. На параметры влияют только наблюдаемые результаты. Пропущенные результаты (НС) не повлияют ни на что, на самом деле это другой путь: пропущенные результаты будут получены из параметров. Обратите внимание, что отсутствующие результаты также будут иметь свое последующее распределение. Тогда очень легко вычислить некоторые производные величины, например, как сумму по индексам результата, и эти производные величины не только обрабатываются для пропущенных значений, но и сразу же имеют свое апостериорное распределение. Это то, что так сексуально на ЖУКАХ и ЯГОДАХ!

Радоваться, веселиться!