如何在R2OpenBugs中获得蒙特卡罗误差？

Question

在运行贝叶斯模型un R2OpenBugs时，是否有人设法获得了参数的蒙特卡罗误差？

它是在OpenBugs的标准输出中提供的，但是当在R2OpenBugs下运行时，日志文件没有MC error.Is --有一种方法可以要求R2OpenBugs计算MC错误吗？或者有一种手动计算的方法？拜托，如果你听说有什么办法的话请告诉我。谢谢!

下面是R2OpenBugs的标准日志输出：

$stats
              mean      sd val2.5pc    median val97.5pc sample
beta0      1.04700 0.13250   0.8130   1.03800   1.30500   1500
beta1     -0.31440 0.18850  -0.6776  -0.31890   0.03473   1500
beta2     -0.05437 0.05369  -0.1648  -0.05408   0.04838   1500
deviance 588.70000 7.87600 575.3000 587.50000 606.90000   1500

$DIC
       Dbar  Dhat   DIC    pD
t     588.7 570.9 606.5 17.78
total 588.7 570.9 606.5 17.78

Answer 1

计算蒙特卡罗标准误差(MCSE)的一个简单方法是将链的标准差除以有效样本数的平方根。输出中提供了标准偏差，但在打印模型输出时，有效样本大小应以n.eff (最右边列)的形式给出--或者至少是我从以下方面得到的印象：

https://cran.r-project.org/web/packages/R2OpenBUGS/vignettes/R2OpenBUGS.pdf

我不再使用OpenBugs了，所以不能轻易地为您检查，但是应该有指示有效样本大小的东西(这与您所采样的迭代次数不一样，因为它还考虑到由于链内关联而导致的信息丢失)。

否则，您可以自己提取原始MCMC链，然后使用coda包(?coda::effectiveSize)计算有效样本大小，或者直接使用LaplacesDemon::MCSE计算Monte标准误差。有关更多信息，请参见：

https://rdrr.io/cran/LaplacesDemon/man/MCSE.html

注意，有些人(包括我！)建议直接关注有效样本量，而不是看MCSE，因为旧的“经验法则”认为MCSE应小于样本标准差的5%，这相当于说有效样本量应至少为400 (1/0.05^2)。但意见各不相同:)

Answer 2

MCMC被命名为时间序列SE，可以在coda对象的汇总的统计部分中找到：

library(R2OpenBUGS)
library(coda)
my_result <- bugs(...., codaPg = TRUE)
my_coda <- read.bugs(my_result)
summary(my_coda$statistics)