Fehlende Werte in der Antwortvariablen in JAGS

Gelman & Hill (2006) sagen:

In Bugs können fehlende Ergebnisse in einer Regression einfach behandelt werden, indem einfach der Datenvektor, die NAs und alle eingeschlossen werden. Bugs modellieren die Ergebnisvariable explizit. Daher ist es trivial, dieses Modell zu verwenden, um fehlende Werte bei jeder Iteration zu unterstellen.

Dies klingt nach einer einfachen Möglichkeit, JAGS zur Vorhersage zu verwenden. Aber wirken sich die Beobachtungen mit den fehlenden Ergebnissen auch auf Parameterschätzungen aus? Wenn ja, gibt es eine einfache Möglichkeit, diese Beobachtungen in dem von JAGS angezeigten Datensatz beizubehalten, ohne dass sie die Parameterschätzungen beeinflussen? Ich habe über die Schnittfunktion nachgedacht, aber diese ist nur in BUGS verfügbar, nicht in JAGS.

Ja, es ist wirklich einfach in BUGS oder JAGS zu verwenden! Es ist wirklich eine Freude, es zu benutzen!

Aber wirken sich die Beobachtungen mit den fehlenden Ergebnissen auch auf Parameterschätzungen aus?

Natürlich nicht. Die Parameter werden nur von den beobachteten Ergebnissen beeinflusst. Die fehlenden Ergebnisse (NAs) haben keinen Einfluss auf das Gegenteil. Die fehlenden Ergebnisse werden aus den Parametern abgeleitet. Beachten Sie, dass die fehlenden Ergebnisse auch nach hinten verteilt sind. Dann ist es sehr einfach, einige abgeleitete Größen zu berechnen, z. B. eine Summe über Indizes des Ergebnisses, und diese abgeleiteten Größen werden nicht nur für fehlende Werte behandelt, sondern haben auch sofort ihre hintere Verteilung. Das ist es, was bei BUGS & JAGS so sexy ist!

Habe Spaß!