Я использовал байесовскую модель в STAN для оценки модели регрессии ошибок измерения.Диагностика говорит, что цепь сошлась.Тем не менее, когда я смотрю на параметр против лог-задних графиков.Я обнаружил, что цепь не исследовала пространство, где максимальная длина задней части бревна.На рисунке показан параметр против логарифмического графика.Мы можем видеть, что задняя часть бревна все еще увеличивается вправо.
Я пытаюсь понять, что могло вызвать такое поведение, поскольку цепи сходятся к этой неожиданной точке, которая не являетсяапостериорный режим для этого маргинального распределения.Почему HMC / NUTS не исследовали пространство справа, где задняя часть бревна выше для этого параметра?
Подходящая модель:
data {
int<lower=0> N; // Sample size
vector[N] X; // Predictor
vector[N] Y; // Response
real<lower=0> sigmax; // Measurement error in X
}
parameters {
real beta0; // intercept
real beta1; // X coefficient
real<lower=0> sigma; // error in Y
vector[N] Xu; // latent unmeasured X
}
model {
X ~ normal(Xu,sigmax);
Y ~ normal(beta0+beta1*Xu,sigma); // likelihood
}