¿Por qué bayesiano de regresión (probit) logística en lugar de regresión (probit) logística estándar?

Question

Me pregunto bajo qué condiciones debo utilizar Bayesiano de regresión logística, en lugar de la regresión logística estándar, o viceversa?

Tengo nivel individual de los datos con respecto a si una persona compra un artículo en particular en línea (es decir, 11 pulgadas MacBook Air) o no (variable dependiente y=1 si la compra, 0 en caso contrario), mientras tanto, tengo información respecto a cada pasada de la persona que la experiencia en línea a través de diferentes categorías (variable independiente x1=# total de la experiencia del pasado), pero no sé si la experiencia como tal, contiene la experiencia de compra de MacBook Air o no. También, tengo información acerca de las diferentes tiendas de función (tal como x2=tarifa de envío, x3=del vendedor reputación, etc.), No sé si vale la pena aplicar el marco Bayesiano en este problema, ya que nunca he utilizado la estadística Bayesiana antes, pero realmente interesado en conocer?

Cualquier consejo se agradece!

Answer 1

Podría decirse que, Bayesiano logística/regresión probit sería mejor si tuviera informativo antes, o si no era perfecto o casi perfecto de separación, o si usted quiere ajuste de un modelo jerárquico.

Si usted tiene un informativo antes, para luego usarla. Y nada mejor que usarlo en un enfoque Bayesiano. Si hay separación perfecta, un buen previo (incluso si sólo débilmente informativo) puede ayudar a lidiar con este problema. Por último, pero no menos importante, creo que de Bayes se destaca con los modelos jerárquicos.

Y, sin embargo, estaría todavía a favor de un enfoque Bayesiano, incluso si ninguna de las anteriores es verdadera. Y por una sencilla razón: Es más fácil interpretar Bayesiano resultados de frecuentista.

Como se sabe, es difícil correctamente calcular los errores estándar de los términos de interacción en logística/regresión probit. Sin embargo, es muy fácil para el cálculo de la incertidumbre de los términos de interacción con un enfoque Bayesiano. Véase la respuesta a esta pregunta de la mina sobre los términos de interacción en la regresión logística. También, con Bayes puede utilizar posterior predictivo controles para comprobar el ajuste de su modelo, una gran ventaja!