如何更改CARBayes包中的默认先验分布？

Question

MCMC5.0版在R中实现了空间广义线性模型，并使用CARBayes模拟在贝叶斯设置中进行推理。它包含许多不同的模型，这个问题涉及的是‘S.CARbym’。

我正在使用这个模型来拟合具有空间随机效果的泊松GLM，下面的第一个块中给出了一个示例代码，其中‘Y’是响应，‘x1’‘x2’‘x3’是协变量，‘N’是偏移量。此公式用于S.CARbym (model1)，指定泊松分布和已知的空间权重矩阵‘W’。

这似乎工作得很好，但是我不确定如何为“prior.mean.beta”和“prior.var.beta”指定先验分布，这两个先验分布与默认值不同(默认的先验是高斯的，不包括在下面的第一段代码中)。我想知道，为了指定不同的先验分布，我需要在model2的第二个代码块中的‘prior.mean.beta=’(而不是‘NULL’)之后输入什么代码，例如Gamma或uniform？

随附的这个包的小插曲是有帮助的，但我无法弄清楚这一点，任何帮助都将不胜感激。

公式<- Y~ x1 + x2 + x3 +offset( model1 (N))model1 <- S.CARbym(公式=公式，系列=泊松，data = data，W=W，burnin = 5000，n.sample = 20000，瘦= 10)

公式<- Y~ x1 + x2 + x3 +offset( model2 (N))model2 <- S.CARbym(公式=公式，系列=泊松，data = data，W=W，burnin = 5000，n.sample = 20000，thin = 10，prior.mean.beta=NULL，prior.var.beta=NULL)

Answer 1

我已经在Duncan Lee (软件包作者)的专家帮助下解决了这个问题。所以，我想我会回答这个问题，以防其他人遇到这个问题。这实际上是一个比我想象的简单得多的解决方案，每个回归参数都需要一个高斯先验，即beta_j ~ N(m_j，v_j)。(m_j，v_j)可以由您选择，并且对于每个回归参数都是不同的，因此，如果您希望指定先验均值和方差，则它们都需要是回归参数数量的向量。例如，如果你有3个回归参数和一个截距，向量需要乘以4乘以1，类似于下面的m <- c(0,0,0,0)