การวินิจฉัยที่เหลือในรูปแบบการถดถอยแบบ MCMC

ฉันเพิ่งลงมือเมื่อไม่นานมานี้ในแบบผสมการถดถอยที่เหมาะสมในกรอบ Bayesian โดยใช้อัลกอริทึม MCMC (ฟังก์ชั่น MCMCglmm ใน R จริง)

ฉันเชื่อว่าฉันเข้าใจวิธีการวินิจฉัยลู่เข้าของกระบวนการประมาณ (ติดตาม, พล็อต geweke, autocorrelation, การกระจายหลัง ... )

สิ่งหนึ่งที่ทำให้ฉันตกอยู่ในกรอบการทำงานของ Bayesian คือความพยายามอย่างมากที่จะอุทิศให้กับการวินิจฉัยเหล่านั้นในขณะที่ดูเหมือนว่าจะทำได้น้อยมากในแง่ของการตรวจสอบชิ้นส่วนที่เหลือของแบบจำลองที่ติดตั้ง ยกตัวอย่างเช่นใน MCMCglmm ส่วนฟังก์ชั่น residual.mcmc () นั้นยังมีอยู่ แต่ยังไม่ได้นำไปใช้จริง (เช่นส่งกลับ: "ส่วนที่เหลือยังไม่ได้นำไปใช้กับวัตถุ MCMCglmm"; เรื่องเดียวกันสำหรับทำนาย. ดูเหมือนว่าจะขาดจากแพ็คเกจอื่น ๆ เช่นกันและโดยทั่วไปแล้วจะมีการพูดคุยกันเล็กน้อยในวรรณคดีที่ฉันพบ

ใครช่วยชี้ให้ฉันถึงการอ้างอิงที่มีประโยชน์และรหัส R ที่ฉันสามารถเล่นหรือแก้ไขได้

ขอบคุณมาก.

ฉันคิดว่าการใช้คำที่เหลือไม่สอดคล้องกับการถดถอยแบบเบย์ โปรดจำไว้ว่าในแบบจำลองความน่าจะเป็นประจำนั้นคือพารามิเตอร์ที่พิจารณาว่าเป็นปริมาณที่ประมาณได้คงที่และกลไกการสร้างข้อมูลมีรูปแบบความน่าจะเป็นแบบสุ่มบางส่วนที่เกี่ยวข้องกับข้อมูลที่สังเกตได้ สำหรับ Bayesians พารามิเตอร์ของตัวแบบความน่าจะเป็นตัวแปรและข้อมูลคงที่จะปรับปรุงความเชื่อของเราเกี่ยวกับพารามิเตอร์เหล่านั้น ดังนั้นถ้าคุณได้รับการคำนวณค่าความแปรปรวนของการสังเกตลบติดตั้งค่าในรูปแบบการถดถอยที่สังเกตองค์ประกอบจะมีความแปรปรวน 0 ส่วนองค์ประกอบที่ประกอบจะแตกต่างกันไปตามฟังก์ชั่นของความหนาแน่นของความน่าจะเป็นหลังสำหรับพารามิเตอร์แบบจำลอง นี่คือสิ่งที่ตรงกันข้ามกับสิ่งที่คุณจะได้รับจากตัวแบบการถดถอยแบบบ่อยครั้ง ฉันคิดว่าหากมีใครสนใจที่จะตรวจสอบสมมติฐานความน่าจะเป็นของโมเดลการถดถอยแบบเบย์ของพวกเขา QQplot อย่างง่าย ๆ ของความหนาแน่นหลังของการประมาณค่าพารามิเตอร์ (ประมาณจากการสุ่มตัวอย่าง MCMC ของเรา) กับการแจกแจงแบบปกติ สำหรับฟังก์ชั่นลิงค์ที่ไม่ใช่เชิงเส้น)