Bayesglm（手臂）与MCMCpack

双方bayesglm()（在手臂[R封装）和各种功能的MCMCpack包的目的是做广义线性模型的贝叶斯估计，但我不知道他们实际上是计算同样的事情。MCMCpack函数使用马尔可夫链蒙特卡罗方法从关节后部获得模型参数的（相关）样本。bayesglm()另一方面，产生。我不确定。

看起来像bayesglm()产生一个点估计，这将使其成为MAP（最大后验）估计，而不是完整的贝叶斯估计，但是sim()似乎有一个函数可用于获取后验绘制。

有人可以解释两者的预期用途的区别吗？可以bayesglm() + sim()产生真实的后验图，还是某种近似？

要查看完整的源代码，您需要arm从CRAN（这是一个tarball）下载软件包的源代码。快速浏览该sim函数使我认为这arm是一种近似的贝叶斯方法，因为它似乎假定了最大似然估计的多元正态性。在具有非二次对数可能性的模型（例如二进制对数模型）中，这可能不太准确。我想从别人那里得到一些评论。我已经习惯MCMCpack了成功。给定足够多的MCMC后验和收敛性，它为许多模型提供了精确的贝叶斯解决方案。