帮助我了解贝叶斯glm中的

我正在尝试对此处的数据运行贝叶斯logit 。我在R bayesglm()中的arm包中使用。编码非常简单：

df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T)
library(arm)
model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df)

summary(model) 给出以下输出：

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  0.10381    0.10240   1.014    0.311    
SEXMale      0.02408    0.09363   0.257    0.797    
HIGH        -0.27503    0.03562  -7.721 1.15e-14 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2658.2  on 1999  degrees of freedom
Residual deviance: 2594.3  on 2000  degrees of freedom
AIC: 2600.3

请引导我完成此过程。我知道这段代码使用了非常弱的先验（因为我没有指定先验方法），所以如果我使用glm()代替，输出将几乎相同bayesglm()。但是输出应该仍然是贝叶斯精神，对吗？这里的和什么？这些不是常客推论工具吗？他们在这里有不同的解释吗？$p$$z$

好问题！尽管存在贝叶斯p值，并且arm包的作者之一是倡导者，但是您在输出中看到的不是贝叶斯p值。检查类model

class(model)
"bayesglm" "glm"      "lm" 

并且您可以看到类bayesglm继承自glm。此外，对手臂包装的检查未显示出针对贝叶镜物体的特定汇总方法。所以当你这样做

summary(model)

你实际上在做

summary.glm(model)

并得到结果的常识性解释。如果您想要更多的贝叶斯视角，arm的功能是display()