10 Gelman＆Hill（2006）说： 在Bug中，只需包含数据向量，NA和所有元素，就可以轻松处理回归中的缺失结果。Bug显式地对结果变量进行建模，因此使用此模型来在每次迭代中估算缺失值是很简单的。 这听起来像是使用JAGS进行预测的简单方法。但是，结果缺失的观察结果也会影响参数估计吗？如果是这样，是否有一种简单的方法将这些观测值保留在JAGS看到的数据集中，但又不影响参数估计呢？我当时在考虑cut函数，但这仅在BUGS中可用，而在JAGS中不可用。 missing-data bugs jags — 杰克·坦纳 source
11 是的，在BUGS或JAGS中非常容易使用！使用它实际上是一种乐趣！ 但是，结果缺失的观察结果也会影响参数估计吗？ 当然不是。参数仅受观察结果的影响。缺失结果（NA）不会有任何影响，实际上是相反的：缺失结果将从参数中得出。请注意，缺失的结果也将具有其后验分布。这样就很容易计算出一些导出量，例如，结果索引上的总和，这些导出量不仅针对缺失值进行处理，而且立即具有其后验分布。那就是在BUGS＆JAGS上是如此性感！ 玩得开心！ — 好奇 source 1 抱歉，我不相信缺少结果不会影响参数估计。杰克曼似乎说了相反的话：jackman.stanford.edu/blog/?p=38 — 杰克·坦纳 @JackTanner，请三思而后行。缺失的价值如何影响某事？随着算法的开始，缺失值将开始从参数估计中估算（这些值是从观察到的结果中得出的）。然后（也许我不确定），归因于缺失的结果中的信息可以反弹回参数，但这并不重要-它只是存在于参数中的原始信息，然后反弹回它们。影响某物的REAL信息仅来自REAL结果。如果您不信任我，请进行模拟，比较结果并在此处发布。 — 好奇的2012年 关于您的链接，他显然不确定，他用引号说“问题”，并说“进行比较很有趣”。我说不会有太大区别。如果要测试，请继续。 — 好奇的2012年 3 我同意; 无明显差异。我用这种方法来构造后验预测分布。只需将右侧变量的预测值与过去的值放在一起，并将目标变量“观测值”的NA对应于预测值即可。 — jbowman @jbowman，是的，请注意！用这种方式进行预测不是一个显而易见的主意！ — 好奇的2012年