为什么不允许贝叶斯算法查看残差？

在文章“讨论：生态学家应该成为贝叶斯主义者？”中 当布莱恩·丹尼斯（Brian Dennis）的目的似乎是警告人们时，他给出了令人惊讶的平衡和积极的贝叶斯统计观点。但是，他在一段中没有任何引用或理由的情况下说：

您会看到，贝叶斯不允许查看其残差。通过模型下的极端程度来判断结果违反了似然原理。对于贝叶斯来说，没有坏的模型，只有坏的信念。

为什么不允许贝叶斯分析残差？对此适当的引用是什么（即他在引用谁）？

Dennis，B.
讨论：生态学家应该成为贝叶斯主义者吗？
生态应用，美国生态学会，1996年，6，1095-1103

当然，贝叶斯可以看一下残差！当然，贝叶斯分析中存在错误的模型。也许有70年代的贝叶斯主义者支持这样的观点（我对此表示怀疑），但是如今，您几乎找不到支持这种观点的贝叶斯主义者。

我没有阅读本文，但是贝叶斯主义者使用贝叶斯因子之类的东西来比较模型。实际上，贝叶斯甚至可以计算模型为真的可能性，并选择更可能为真的模型。或者贝叶斯可以对各种模型求平均值，以获得更好的模型。或者可以使用后验预测检查。检查模型有很多选择，每个模型都可能支持一种方法或另一种方法，但是要说在贝叶斯分析中没有不好的模型是没有意义的。

因此，至多说一个更合适的说法是，在贝叶斯主义的某些极端版本（顺便说一句，几乎没有人在应用程序设置中使用过的极端版本​​）中，您不允许检查模型。但是，您可能会说，在某些极端的频繁出现版本中，您也不允许使用观测数据。但是，为什么要浪费时间讨论这些愚蠢的事情，何时我们可以讨论是否以及何时在应用环境中使用贝叶斯方法或常客方法或其他方法呢？以我的拙见，这很重要。

更新：OP请求提倡提倡Bayes极限版本的人的参考。由于我从未阅读过贝叶斯的任何极端版本，因此无法提供此参考。但我想野人可能是这样的参考。我从未读过他写的任何东西，所以我可能是错的。

PS .:想想“精心校准贝叶斯”（问题的Dawid（1982年），JASA，77，379）。一个连贯的主观主义者贝叶斯预测者不能被校准，因此尽管有大量的证据表明他未经校准，但也不会审查他的模型/预测。但我认为实际上没有任何人可以声称自己具有连贯性。因此，模型审查很重要。

PS2：我也喜欢Efron的这篇论文。完整的参考资料是：Efron，Bradley（2005）。“贝叶斯主义者，常客和科学家。” 美国统计协会杂志100（469）。

他们可以看但不能触摸。毕竟，残差是数据的一部分，不包含任何有关模型参数的信息，它们的先验表示这些不确定性，因此无法根据其在数据中看到的内容来更改其先验。

例如，假设您正在拟合高斯模型，但是注意到残差中的峰度过多。也许您先前的假设应该是在低自由度上具有非零概率的t分布，但事实并非如此，它实际上是除无限自由度以外在其他地方具有零概率的t分布。在先验密度为零的后验密度区域中，似然率不会导致非零概率。因此，当原始优先级指定不正确时，基于数据的可能性来连续更新优先级的想法将不起作用。

当然，如果您使用Google“贝叶斯模型检查”，您会发现这是对实际贝叶斯实践的模仿。但是，对于贝叶斯主义在哲学基础上的优越性的科学逻辑类型的论证，它的确存在一些困难。Andrew Gelman的博客对此主题很感兴趣。