30# epoh
看了您推荐的书，基本明白了，
这金融计量，一旦真正进入学习和运用，
就发现不知道的知识太多了！

谢谢epoh老师，我自己也按照bayesian and markting那本书上的做，但是好像一直不对，看了您的，好像明白点了，但是对于如下部分似乎我还是不理解，以下这些都是先验信息，是怎么放进gibbs抽样中的，上面的编程中没有把先验加进去呀？能否把全过程都写一下，万分感激啊

out
Starting Gibbs Sampler for Linear Hierarchical Model
    3  Regressions
    2  Variables in Z (if 1, then only intercept)

Prior Parms:
Deltabar
     [,1] [,2] [,3] [,4]
[1,]    0    0    0    0
[2,]    0    0    0    0
A
     [,1] [,2]
[1,] 0.01 0.00
[2,] 0.00 0.01
nu.e (d.f. parm for regression error variances)=  3
Vbeta ~ IW(nu,V)
nu =  7
V
     [,1] [,2] [,3] [,4]
[1,]    7    0    0    0
[2,]    0    7    0    0
[3,]    0    0    7    0
[4,]    0    0    0    7

MCMC parms:
R=  10  keep=  1

MCMC Iteration (est time to end - min)
  Total Time Elapsed:  0

> names(out)
[1] "Vbetadraw" "Deltadraw" "betadraw"  "taudraw"

rhierLinearModel(Data, Prior, Mcmc)
Arguments
  Data  list(regdata,Z) (Z optional).
  Prior list(Deltabar,A,nu.e,ssq,nu,V) (optional).
  Mcmc  list(R,keep) (R required).

在这里 Prior 是 optional
可以自己给也可以不给
不给就是由程序自动设置
这个你可参考
bayesm.pdf page 59/115
   Deltabar   nz x nvar matrix of prior means (def: 0)
   A                nz x nz matrix for prior precision (def: .01I)
   nu.e          d.f. parm for regression error variance prior (def: 3)
   ssq           scale parm for regression error var prior (def: var(yi))
   nu             d.f. parm for Vbeta prior (def: nvar+3)
   V               Scale location matrix for Vbeta prior (def: nu*I)

epoh老师你好，我运用这个模型已经得出各参数的值了，非常感谢您的帮助，但是这里有个问题，就是在算出结果之后，怎么样进行模型检验，比如拟合优度R2，显著性检验啊什么的，是否也需编程呢

你可以参考:

1.Bayesian Statistics and Marketing.pdf
  page 320/324 Obtaining Parameter Estimates
2.Package "coda".pdf
  Output analysis and diagnostics for MCMC

epoh老师，以上附加是我所用的数据，现在我的编程是这样的：
> data(de)
> data(ch)
> Z=de
> C=ch
> Z[,2]=Z[,2]-mean(Z[,2])
> Z[,3]=Z[,3]-mean(Z[,3])
> Z[,4]=Z[,4]-mean(Z[,4])
> Z[,5]=Z[,5]-mean(Z[,5])
> Z[,6]=Z[,6]-mean(Z[,6])
> Z[,7]=Z[,7]-mean(Z[,7])
> Z=as.matrix(Z)
> hh=levels(factor(C$id))
> nhh=length(hh)
> regdata=NULL
> for(i in 1:nhh){
+  y=C[C[,1]==hh,2]
+ X=as.matrix(C[C[,1]==hh,c(3:9)])
+ regdata[]=list(y=y,X=X)
+ }
> Data=list(regdata=regdata,Z=Z)
> Mcmc=list(R=20000,keep=10)
> out=rhierLinearModel(Data=Data,Mcmc=Mcmc)
通过结果，我已经求得以下参数了
> t(matrix(apply(out$Deltadraw[1000:2000,],2,mean),ncol=7)##求Deta的均值
> t(matrix(apply(out$Deltadraw[1000:2000,],2,sd),ncol=7))##求Deta的样本标准差
> t(matrix(apply(out$Vbetadraw[1000:2000,],2,mean),ncol=7))##求Vbeta的均值
> t(matrix(apply(out$betadraw[,,1000:2000],2,mean),ncol=1))##求beta的均值
> t(matrix(apply(out$betadraw[,,1000:2000],c(1,2),mean),ncol=7))##求每个消费者的beta估计值
但现在问题是我怎么进行模型检验呢，比如拟合优度，回归系数，参数估计精度和预测精度呢，还有什么t检验，F检验， 都应该怎么检验啊，恕我英文水平太差，实在搞不清楚啊，请您帮忙看看能不能做出来啊，万分感谢啊！

这些基础检验,
我觉得还是由你自行动手,
比较合适.

那您那有什么公式是可以推荐的啊，我看
Package "coda".pdf
Output analysis and diagnostics for MCMC好像没有类似可以进行检验的函数，这是本人毕业论文的一部分，所有很着急啊，敬请老师指点啊