ช่วยฉันเข้าใจค่าในค่า Bayesian glm

ฉันกำลังพยายามที่จะใช้ logit คชกรรมกับข้อมูลที่นี่ ฉันใช้bayesglm()ในarmแพ็คเกจใน R การเข้ารหัสนั้นตรงไปตรงมามากพอ:

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) ให้เอาต์พุตต่อไปนี้:

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

โปรดพาฉันผ่านสิ่งนี้ ผมเข้าใจว่ารหัสนี้ใช้เป็นที่อ่อนแอมากก่อน (ตั้งแต่ผมไม่ได้หมายถึงการระบุก่อน) เพื่อให้การส่งออกเป็นไปได้ในทางปฏิบัติเหมือนกันถ้าผมใช้แทนglm() bayesglm()แต่ผลลัพธ์ยังคงอยู่ในจิตวิญญาณของชาวเบย์ใช่ไหม? ค่าและคืออะไรที่นี่ เครื่องมืออนุมานเหล่านี้ไม่ใช่ประจำใช่หรือไม่ พวกเขาตีความที่แตกต่างกันที่นี่?$p$$z$

เป็นคำถามที่ดีมาก! แม้ว่าจะมีค่า p Bayesianและหนึ่งในผู้เขียนของแพ็คเกจแขนเป็นผู้สนับสนุนสิ่งที่คุณเห็นในผลลัพธ์ของคุณไม่ได้เป็นค่า p Bayesian ตรวจสอบระดับของmodel

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

และคุณจะเห็นว่าคลาส bayesglm สืบทอดมาจาก glm นอกจากนี้การตรวจสอบชุดแขนยังไม่พบวิธีสรุปเฉพาะสำหรับวัตถุ Bayesglm ดังนั้นเมื่อคุณทำ

summary(model)

คุณกำลังทำจริง

summary.glm(model)

และการตีความผลลัพธ์บ่อยครั้ง หากคุณต้องการมุมมองแบบเบย์มากขึ้นฟังก์ชั่นในแขนก็คือdisplay()