基于包含先验和重要性抽样的分类数据边缘模型贝叶斯推断

开发了一种贝叶斯方法来选择数据最支持的模型在一类分类变量的边际模型中，通过广义逻辑上的等式和/或不等式约束（局部、全局、连续或逆延拓）、广义log-odds比和类似的高阶相互作用。对于每个约束模型，指定模型参数的先验分布遵循包含性优先方法。然后，通过执行模型选择使用通过重要性抽样方法估计的贝叶斯因子。方法是以基于不同数据集的三个应用程序为例，其中还包括解释变量。结合其中一个示例还执行了规范。