bayesglm (arm) contro MCMCpack

Sia bayesglm()(nel pacchetto arm R) che varie funzioni nel pacchetto MCMCpack mirano a fare una stima bayesiana di modelli lineari generalizzati, ma non sono sicuro che stiano effettivamente calcolando la stessa cosa. Le funzioni MCMCpack utilizzano la catena Markov Monte Carlo per ottenere un campione (dipendente) dal posteriore comune per i parametri del modello. bayesglm()d'altra parte, produce. Non sono sicuro di cosa.

Sembra che bayesglm()produca una stima puntuale, che la renderebbe una stima MAP (massima a posteriori) piuttosto che una stima bayesiana completa, ma esiste una sim()funzione che sembra che possa essere utilizzata per ottenere estrazioni posteriori.

Qualcuno può spiegare la differenza nell'uso previsto per i due? Può bayesglm() + sim()produrre veri disegni posteriori o è una sorta di approssimazione?

Per vedere il codice sorgente completo è necessario scaricare il armpacchetto sorgente da CRAN (è un tarball). Una rapida occhiata alla simfunzione mi fa pensare che armsia un metodo Bayes approssimativo in quanto sembra assumere la normalità multivariata delle stime di massima verosimiglianza. Nei modelli con una probabilità log molto non quadratica, come il modello logistico binario, è improbabile che ciò sia sufficientemente accurato. Mi piacerebbe ricevere alcuni commenti da altri su questo. Ho usato MCMCpackcon successo; fornisce una soluzione bayesiana esatta per molti modelli, dati i disegni posteriori sufficienti e la convergenza di MCMC.