Estou tentando construir um modelo em que a resposta seja proporcional (na verdade, é a parcela de votos que um partido obtém nos círculos eleitorais). Sua distribuição não é normal, então decidi modelá-la com uma distribuição beta. Eu também tenho vários preditores.
No entanto, não sei como escrevê-lo em BUGS / JAGS / STAN (JAGS seria minha melhor escolha, mas isso realmente não importa). Meu problema é que eu faço uma soma de parâmetros pelos preditores, mas o que posso fazer com isso?
O código seria algo assim (na sintaxe JAGS), mas não sei como "vincular" os parâmetros y_hat
e y
.
for (i in 1:n) {
y[i] ~ dbeta(alpha, beta)
y_hat[i] <- a + b * x[i]
}
( y_hat
é apenas o produto cruzado de parâmetros e preditores, daí a relação determinística. a
e b
são os coeficientes que tento estimar, x
sendo preditores).
Obrigado por suas sugestões!
Respostas:
Possivelmente algo como:
fonte
Greg Snow deu uma ótima resposta. Para completar, aqui está o equivalente na sintaxe Stan. Embora Stan tenha uma distribuição beta que você possa usar, é mais rápido calcular o logaritmo da densidade beta, porque as constantes
log(y)
elog(1-y)
podem ser calculadas uma vez desde o início (e não sempre quey ~ beta(alpha,beta)
seria chamado). Ao incrementar alp__
variável reservada (veja abaixo), você pode somar o logaritmo da densidade beta sobre as observações em sua amostra. Eu uso o rótulo "gama" para o vetor de parâmetro no preditor linear.fonte