CRAN Task View: Bayesian Inferenceの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載しました。

Maintainer: Jong Hee Park, Michela Cameletti, Xun Pang, Kevin M. Quinn
Contact: jongheepark at snu.ac.kr
Version: 2023-07-17
URL: https://CRAN.R-project.org/view=Bayesian
Source: https://github.com/cran-task-views/Bayesian/
Contributions: このタスクビューに対する提案や改良は、GitHubのissueやpull request、またはメンテナのアドレスに電子メールで送ってください。詳しくはContributing guideをご覧ください。
Installation: このタスクビューのパッケージは、ctvパッケージを使用して自動的にインストールすることができます。例えば、ctv::install.views(“Bayesian”, coreOnly = TRUE)は、すべてのコアパッケージをインストールし、または ctv::update.views(“Bayesian”)は、まだインストールしていないすべてのパッケージと最新のものをインストールします。詳しくはCRAN Task View Initiativeをご覧ください。

CRAN タスクビュー:ベイズ推定

ベイズ統計に興味を持つ応用研究者は、事後分布からサンプリングするアルゴリズムを簡単にコーディングできることと、ベイズ推定のためのツールを提供するパッケージがComprehensive R Archive Network (CRAN) に多数寄稿されていることから、Rにますます魅力を感じています。このタスクビューでは、これらのツールのカタログを提供します。このタスクビューでは、パッケージの範囲と焦点に基づき、これらのパッケージを4つのグループに分けます。まず、幅広いモデルのためのベイズ推定ツールを提供するRパッケージをレビューします。次に、特定のベイズモデルやベイズ統計に特化した手法を扱うパッケージについて説明します。続いて、推定後の分析に使用されるパッケージについて説明します。最後に、JAGSOpenBUGSWinBUGSStanTensorFlowなどの他のベイズサンプリングエンジンとRをリンクさせるパッケージについて説明します。

一般的なモデルのフィッティングのためのベイズのパッケージ

  • armは、lmとglm、mer、polrオブジェクトを使用してベイズ推定のためのR関数が含まれています。
  • BACCOは、ランダム関数のベイズ解析のためのRバンドルです。BACCOは、コンピュータプログラムのベイジアンエミュレーションとキャリブレーションを実行する3つのサブパッケージ(エミュレータ、キャリブレータ、および近似器)が含まれています。
  • bayesforecastは、完全なベイズ推論のための「Stan」を使用したベイズ時系列分析のための様々な関数を提供します。幅広い分布とモデルをサポートしており、一変量時系列に対して、季節性ARIMA、ARIMAX、動的調和回帰、GARCH、t-studentイノベーションGARCHモデル、非対称GARCH、ランダムウォーク、確率変動モデルを適合させることができます。
  • bayesmは、広くマーケティングやミクロ計量経済学で使用される様々なモデルのベイズ推論にR関数が用意されています。モデルは、有限の法線の混合物ならびにディリクレ過程の事前分布、階層的線形モデル、階層的な多項ロジット、階層的な負の二項を用いた線形回帰モデル、多項ロジット、多項プロビット、多変量プロビット、(クラスタリングを含む)の法線の多変量混合、密度推定を含む回帰モデル、および線形操作変数モデル。
  • BayesianToolsは、特に複雑なシステムモデルのキャリブレーションに焦点を当てた、汎用MCMCおよびSMCサンプラー、ならびにベイズ統計のプロットおよび診断関数のためのRパッケージです。実装されているサンプラーは、様々なメトロポリスMCMC(適応型および遅延排除型MHを含む)、T-walk、二つの微分進化MCMC、二つのDREAM MCMC、逐次モンテカルロ(SMC)粒子フィルタなどです。
  • LaplacesDemonは、複数の最適化アルゴリズムをもつラプラス近似、例のスコア、追加の確率分布の数十、多数のMCMC診断、ベイズ因子、事後予測チェック、様々なプロット、誘発、パラメータそして、変数の重要度、および多数の追加のユーティリティ機能、多数のMCMCアルゴリズムを含む完全なベイズ環境を提供するために探します。
  • looは、マルコフ連鎖モンテカルロを使用したベイズモデルの効率的な近似リーブワンアウト交差検定(LOO)の関数を提供します。近似では、重要度の重みを正則化するための新しい手順であるパレート平滑化重要度サンプリング(PSIS)を使用します。計算の副産物として、looは、推定された予測誤差およびモデル間の予測誤差の比較のための標準誤差も提供します。このパッケージは、ベイズ予測分布を平均化するためにスタッキングおよびその他のモデル重み付け手法を使用する方法も提供します。
  • MCMCpackは、モデル固有の一般的、社会的、行動科学で使用されるモデルの広い範囲のためのマルコフ連鎖モンテカルロ(MCMC)のアルゴリズムを提供します。これは、回帰モデルの数(線形回帰、ロジット、順序プロビット、プロビット、ポアソン回帰など)に合うようにR関数が含まれている、測定モデル(項目反応理論とファクター・モデル)、Changepointのモデル(線形回帰、バイナリープロビット、順序プロビット、ポアソン、パネル)、および生態推論のためのモデル。また、任意のモデルに合わせて使用できる汎用メトロポリスサンプラーが含まれています。
  • mcmcは、連続確率ベクトルのランダムウォークメトロポリスアルゴリズムの研究機能で構成されています。
  • nimbleは、BUGS / JAGSモデル言語で書かれたモデル用のカスタマイズ可能なMCMCを可能にする一般的なMCMCシステムを提供します。ユーザーはサンプラーを選択して新しいサンプラーを作成できます。モデルとサンプラーは、生成されたC ++を介して自動的にコンパイルされます。また、パーティクルフィルタリングやアルゴリズム言語でのユーザーの書き出しなど、他の方法もサポートしています。

特定のモデルやメソッドのためのベイジアンパッケージ

分散分析

  • bayesanovaは、Gibbsサンプラーが事後ドローを生成する、3成分ガウス混合に基づくベイズ版分散分析を提供します。
  • AovBayは、古典的な分散分析、ノンパラメトリックのクラスカル・ウォリスに相当するもの、ベイズアプローチを提供します。

ベイズ係数/モデル比較/ベイズモデル平均化

  • bainは、等質、不等質、および等質制約付き仮説についての近似調整済みフラクショナルベイズ係数を計算します。
  • BayesFactorは、分割表、1標本・2標本計画、一元計画、一般的なANOVA計画、線形回帰などの単純な計画に対して、様々なベイズ係数を計算するための関数群を提供します。
  • BayesVarSelは、線形モデルのベイズ係数を計算し、検定や変数選択の問題にベイズ的な答えを提供します。
  • BMAは、線形モデル、一般化線形モデル、生存モデルに対するベイズモデル平均化のための関数を備えています。
    • 補完的なパッケージであるensembleBMAは、BMAを使用して、正規分布の混合物を使用したアンサンブルの確率的な予測を作成することができます。
  • BMSは、線形モデルのためのベイズ型モデル平均化ライブラリで、幅広い(カスタマイズ可能な)プリオンを選択できます。係数優先(固定、柔軟、ハイパーG優先)、5種類のモデル優先を内蔵しています。
  • bridgesamplingは、様々なバージョンのブリッジサンプリングによって、周辺尤度、ベイズ係数、事後モデル確率、一般的な正規化定数を推定するためのR関数を提供します(Meng and Wong, 1996)。
  • RoBMA (archived)は、出版バイアスを補正したモデルを含むメタ分析モデルに対してベイズ型モデル平均化を実装しています。

ベイジアンツリーモデル

  • dbartsは、ベイズ型加法回帰木に適合します(Chipman, George, and McCulloch 2010)。
  • bartBMAは、ベイズモデル平均法を用いたベイズ加法回帰樹のための関数を提供します。
  • bartCauseは、基礎となる回帰モデルとしてBayesian Additive Regression Trees(BART)を使用し、典型的な因果関係の推定値を生成するための様々なメソッドが含まれています(Hill 2012)。

因果推論

  • bamaは、潜在的な結果の枠組みに基づき、高次元のメディエーターが存在する場合の媒介分析を行う。Songら(2019)が開発したBayesian Mediation Analysis (BAMA)。
  • bartCauseは、基礎となる回帰モデルとしてBayesian Additive Regression Trees(BART)を使用し、典型的な因果関係の推定値を生成するための様々なメソッドが含まれています(Hill 2012)。
  • BayesCACEは、完全または不完全なコンプライアンス違反情報を使用して、単一研究またはバイナリーアウトカムのデータセットのメタ分析のいずれかにCACE(コンプライアント平均因果効果分析)を実行します。
  • baycnは、連続、離散、混合データに対するDirected Acyclic Graph (DAG)を推論するためのベイズハイブリッドアプローチのパッケージです。
  • BayesTreeは、ChipmanとGeorge、McCulloch (2006)によるBART (Bayesian Additive Regression Trees)を実装しています。
  • BDgraphは、多変量連続・離散・混合データに対する無向グラフモデルにおけるベイズ構造学習のための統計ツールを提供します。
  • blavaanは、確証的因子分析、構造方程式モデル、潜在成長曲線モデルなど、様々なベイズ型潜在変数モデルを適合させることができます。
  • causactは、生成された有向無サイクルグラフ(DAG)を可視化し、推論を行うためのR関数を提供します。
    • 生成的なDAGを作成すると、gretaとTensorFlowによってベイズ推論が自動化されます。
  • CausalImpactは、Brodersenら(2015)に記載されているように、時系列における因果関係インパクト推定へのベイズアプローチを実装しています。

計算方法

  • abcは、パラメータ推定とモデル選択を行うためのいくつかの ABC アルゴリズムを実装しています。また、ABC推定値の精度を測定したり、異なるモデルの誤判定確率を計算するためのクロスバリデーションツールも用意されています。
  • abcrfは、ランダムフォレストによる近似ベイズ計算(ABC)モデル選択とパラメータ推論を行います。
  • bamlssは、ベイズの枠組みで確率的な分布回帰モデルを推定するためのインフラストラ クチャを提供します。分布のパラメータは、位置、スケール、形状などを捉え、すべてのパラメータは一般化加法モデルに類似した複雑な加法項に依存する可能性があります。
  • bangは、よく使われる簡単なモデルのベイズ解析を、ギブスサンプリングなどのマルコフ連鎖モンテカルロ法(MCMC)を使わずに行うための関数を提供します。
  • bayesbootは、 Rubin (1981) によって導入されたベイズブートストラップを実行するための関数を提供します。
  • bayesianは、「brms」/「Stan」を使ったベイズモデルを「parsnip」/「tidymodels」と共に適用します。
  • BayesLNは、適切な分布(一般化逆ガウス分布)を分散の事前分布として設定することで、適切なベイズ推論手順を容易に実行することができます。
  • dcloneは、データクローニングとMCMC法を用いて複雑なモデルの最尤推定手続きを実装するための低レベルの関数を提供します。
  • EntropyMCMCは、エントロピーとカルバック・ライブラーのダイバージェンス推定を用いたMCMCシミュレーションと収束評価のためのRパッケージです。
  • iterLapは、反復ラプラス近似を行い、(混合分布を用いて)事後分布の大域的な近似を構築し、シミュレーションに基づく推論に重要度サンプリングを使用します。
  • mcmcensembleは、アフィン不変モンテカルロ・マルコフ連鎖のためのアンサンブルサンプラーを提供し、スケールの悪い推定問題に対してより速い収束を可能にするものである。2つのサンプラーが提案されています。
    • 「differential.evolution」サンプラー
    • 「stretch」サンプラー
  • mcmcseは、多変量有効サンプルサイズの推定とモンテカルロ標準誤差の計算を行うことができます。
  • Runuranのhitro.new()関数は、Ratio-of-Uniforms 法と組み合わせたHit-and-Runアルゴリズムに基づくMCMCサンプラーを提供します。

離散データ

  • ammiBayesは、順序データに対するAdditive Main Effects and Multiplicative Model(AMMI)のMCMC法による柔軟な多環境試験解析が可能です。
  • BANOVAは、正規応答、t応答、二項(ベルヌーイ)応答、ポアソン応答、順序付き多項応答、多項応答変数を用いた階層的ベイズ分散分析モデル用の関数が含まれています。
  • BARTは、連続、バイナリ、カテゴリカル、時間対事象のアウトカムに対する共変量の柔軟なノンパラメトリックモデリングを提供します。
  • bayesbrは、ベイズ推論を用いてベータ回帰モデルを適合させます。
  • BayesCommは、生態系コミュニティーの解析のためのベイズ型多変量バイナリー(プロビット)回帰モデルを実行します。
  • bayescopularegは、ベイズコピュラ一般化線形モデル(GLM)のためのツールを提供します。
  • bayescountは、糞便卵数データなどのカウント・データをベイズMCMC法により解析するための関数群を提供します。
  • BayesGWQSは、バイナリ結果を持つ1つまたは複数の化学グループについて、ベイズ型グループ化重み付き分位点和(BGWQS)回帰を適用します。
  • BayesLogitは、PolsonとScott、Windle (2013)に基づくPolyaGamma分布からサンプリングするためのツールを提供します。
  • mlogitBMAは、BMAの関数bic.glm()を多項ロジット(MNL)データに適用できるように修正したものを提供します。
  • MNPは、MCMC法を用いて多項プロビットモデルを適合させます。
  • vbmpは、ガウス過程事前分布を用いた変分ベイズ型多項プロビット回帰のためのパッケージです。クラスメンバーシップの事後確率を、変分法とスパース近似を用いて完全事後確率を推定します。また、このソフトウェアには、自動関連性判断による特徴量の重み付けが組み込まれています。
  • zicは、確率的探索変数選択を含む、ゼロインフレートカウントモデルのMCMC解析のための関数を提供します。

実験/分割表/メタ解析/ABテスト法

  • abtestは、Kass and Vaidyanathan (1992)に基づく事前抽出オプションを含む、ベイズA/Bテストのための関数を提供します。
  • acebayesは、近似座標交換(ACE)アルゴリズムを用いて、最適なベイズ実験計画を発見します。
  • APFrは、Average Power Function (APF)とBayes False Discovery Rate (FDR) robust estimationを用いて、p値に対する閾値γの選択に対する多重検定アプローチを実装しています。
  • ashrは、Stephens(2016)で提案された手法に基づき、大規模仮説検定と偽発見率(FDR)推定にEmpirical Bayesアプローチを実装しています。
  • bamditは、スケール混合二変量ランダム効果モデルに基づく診断テストデータのベイズメタ解析のための関数を提供します。
  • BASSは、適応スプライン曲面に対するベイズフィットと感度解析法のパッケージです。
  • bayefdrは、Newtonら(2004)のベイズ型FDR制御を実装しています。
  • bayesABは、A/Bテストデータをベイズの枠組みで分析するための機能群を提供します。
  • BayesComboは、複数の研究にわたる多様なエビデンスを組み合わせて、高度な科学的理論を検証することができます。また、この手法は標準的なメタアナリシスの代替手法としても利用できます。
  • bayesloglinは、分割表データのベイズ解析のためのものです。
  • bayesmetaは、一般的なランダム効果モデルの枠組みでメタアナリシスを実行するためのRパッケージです。
  • BESTは、t検定の代替となるもので、グループの平均値、標準偏差、それらの差と効果量の事後推定値を算出します。
  • bspmmaは、メタ解析のためのベイズセミパラメトリックモデルを扱うパッケージです。
  • CPBayesは、表現型横断的な遺伝的関連を研究するためのベイズメタ解析法を行います。
  • openEBGMは、Empirical Bayes Geometric Mean (EBGM)とGamma-Poisson Shrinker (GPS) モデルを用いて事後分布から分位スコアを計算し、大規模で疎な分割表から異常に大きなセルカウントを見つけます。

グラフィックス

  • basicMCMCplotsは、トレースプロットや密度プロットを用いて単一鎖からの事後MCMC標本を調べる方法と、各鎖からの事後中央値や信頼区間を比較して複数鎖からの事後MCMC標本を調べる方法を提供します。
  • bayeslincomは、事後サンプルの線形結合に対する点推定値、標準偏差、信頼区間を計算します。
  • ggmcmcは、マルコフ連鎖モンテカルロシミュレーションの収束を評価・診断したり、完全なMCMC解析の結果をグラフィカルに表示するためのツールです。
  • SamplerCompare (archived)は、様々な調整パラメータを持つ分布の集合に対してMCMCサンプラーを実行するためのフレームワークと、それらのシミュレーション結果を可視化するためのプロット機能を提供します。

階層モデル

  • baggrは、Stanで階層ベイズモデルによるデータのメタアナリシスを比較します。メタアナリシス特有のデータフォーマット、プロット、プーリング測定のための便利な機能を備えています。
  • dirichletprocessは、ディリクレ過程を用いたノンパラメトリックベイズ解析を、推論アルゴリズムをプログラムすることなく実行します。
  • lmmは、MCMC法を用いて線形混合モデルを適合させるためのR関数を含んでいます。
  • MCMCglmmは、MCMC 法を用いて一般化線形混合モデルを適合させるためのパッケージです。
  • RSGHBは、階層ベイズの枠組みでモデルを推定することができ、あらかじめ決められたモデル構造を仮定するのではなく、ユーザーが直接尤度関数を指定できる柔軟性を備えています。
  • vglmerは、変分ベイズを使って一般化線形混合効果モデルを推定します。限られた種類のスプラインも予測因子として使うことができます。また、SuperLearnerを使って、これらのモデルをアンサンブルで統合する機能を提供します。

高次元手法/機械学習法

  • abglassoは、ベイズ適応型グラフィカルラッソのデータ拡張ブロックギブスサンプラーを実装しています。
  • bartMachineは、ベイズ型加法回帰木の高度な実装と、データ解析や可視化のための拡張機能を可能にします。
  • bayesGAMは、ハミルトンモンテカルロ法(HMC)を用いて、一変量および多変量応答一般化加法モデル(GAM)を少ない技術的負担で適合させるための使いやすいオプションを提供するために設計されています。
  • BCBCSFは、遺伝子発現データなどの選択された高次元特徴に基づき、離散的な反応を予測する機能を提供します。pacbpred

因子分析/項目反応理論モデル

  • LAWBLは、部分確証的因子分析、その一般化版、部分確証的項目反応モデルなど、様々なベイズ学習法を用いた潜在(変数)分析のRパッケージです。
  • psclは、項目反応理論モデルをMCMC手法で適合させ、ベータ分布と逆ガンマ分布の最高密度領域を計算するためのR関数を提供します。

欠損データ

  • sbgcopは、Hoff(2007)で説明されているように、一変量マージナル分布を厄介なパラメータとして扱い、ガウシアンコピュラのパラメータを推定します。また、多変量データの欠損に対するセミパラメトリックインピュテーションの手順も提供します。

混合モデル

  • AdMitは,Student-t分布の適応的混合分布のカーネル関数による目標密度へのフィッティングを実行する関数を提供します。混合近似は。重要度サンプリングにおける重要度密度として、あるいはメトロポリス・ヘイスティングス アルゴリズムにおける候補密度として利用することができます。
  • BayesBinMixは、異種バイナリデータのクラスタ数と関連パラメータを推定するための完全なベイズ推論を提供します。
  • bmixtureは、有限混合分布(主にガンマ分布、正規分布、t分布の混合分布)に対するベイズ推定を行う統計ツールを提供します。
  • REBayesは、Kiefer-Wolfowitz最尤推定を用いた経験的ベイズ推定を行うパッケージです。

ネットワークモデル/行列・変量分布

  • BayesianNetworkは、インタラクティブなベイジアンネットワークモデルの作成、ベイジアンネットワークの構造とパラメータの学習、および古典的なネットワーク解析のためのユーティリティのための「Shiny」ウェブアプリケーションを提供します。
  • Bergmは、指数関数的なランダムグラフモデルに対して、高度な計算アルゴリズムを用いてベイズ解析を行う。
  • bnlearnは、ベイズネットワーク構造の学習(制約ベース、スコアベース、ハイブリッドアルゴリズムによる)、パラメータ学習(MLおよびベイズ推定量による)および推論のためのパッケージです。
  • ebdbNetは、Dynamic Bayesian Networksに基づく経験的ベイズ推定手法により、時間経過データからネットワークの隣接行列を推論することができます。
  • eigenmodelは、対称的な関係データ(例えば、正方行列の対角部分)に対して、モデルに基づく固有値分解とMCMC法による回帰を用いて、モデルのパラメータを推定するものです。
  • gRainは、ベイジアンネットワークや確率的エキスパートシステムとも呼ばれるグラフィカル独立性ネットワークにおける確率伝搬のためのパッケージです。
  • NetworkChangeは、縦断的ネットワークデータの変化点解析のためのRパッケージです。隠れマルコフマルチリニアテンソル回帰モデルを実装しています。限界尤度とWAICを用いたモデル診断ツールも提供されています。
  • rstiefelは、スティーフェル多様体上の線形および二次指数族分布からのランダムな直交行列をGibbsサンプリング法を用いてシミュレートします。最も一般的な分布は、行列変量ビンガム-フォン-ミーゼス-フィッシャー分布です。
  • snaは、ソーシャルネットワーク解析のためのRパッケージで、Buttのベイズ型ネットワーク精度モデルからGibbsサンプリングで事後標本を生成する関数が含まれています。
  • ssgraphは、多変量連続・離散・混合データに対してスパイク・スラブプリオを用いた無向グラフモデルのベイズ推定を行うためのソフトウェアです。

分位回帰

  • bayesQRは、非対称ラプラス分布を用いたベイズ型分位点回帰をサポートし、連続変数およびバイナリ従属変数の両方をサポートします。

収縮/変数選択/ガウスプロセス

  • BASは,線形モデルおよび一般化線形モデルにおいて,事後分布からの置換なし確率的または決定論的サンプリングを用いたベイズ変数選択とモデル平均化のためのパッケージです。係数に関する事前分布は、線形モデルにおいてはZellnerのg-prior、またはZellner-Siow Cauchy Priorsに対応するg-priorの混合物、一般化線形モデルにおいてはg-priorの混合物から得られます。
  • basadは、連続スパイク事前分布とスラブ事前分布を用いたベイズ型変数選択アプローチを提供します。
  • BayesGPfitは、基底展開法を用いて、修正指数平方カーネルを用いたガウスプロセスによるノンパラメトリック回帰のベイズ推論を行うものです。
  • BayesianGLassoは、ガウスグラフィカルモデル(GGM)のトポロジーとパラメータ化を指定する濃度行列の事後分布をシミュレートするためのデータ拡張型ブロックギブスサンプラーを実装しています。
  • BLRは、様々な種類の収縮法を用いてパラメトリック回帰モデルを適合させるためのR関数を提供します。
  • BNSPは、ベイズのノンパラメトリックおよびセミパラメトリックモデルフィッティングの ためのパッケージです。平均、分散、相関行列のノンパラメトリックモデルで、多変量(および一変量)応答分析のためのディリクレ過程混合とスパイクスラブを扱います。
  • BoomSpikeSlabは、確率的探索変数選択アルゴリズムにより、スパイク回帰とスラブ回帰を行う関数を提供します。プロビット、ロジット、ポアソン、スチューデントTのデータを扱うことができます。
  • bsamGPは、ガウス過程プリオールのスペクトル分析を用いてベイズ推定を行う ための関数を提供します。ガウス過程は、余弦基底関数に基づくフーリエ級数で表現されます。現在、本パッケージには、パラメトリック線形モデル、形状制限のある/ない部分線形加法モデル、形状制限のある/ない一般化線形加法モデル、および密度推定モデルが含まれています。
  • spikeslabは、スパイク回帰やスラブ回帰を用いた予測や変数選択のための関数を提供します。
  • spikeSlabGAMは、ガウシアン、二項、ポアソン応答の(geo)加法混合モデルにおけるベイズ変数選択、モデル選択、正則化推定を実装しています。

空間モデル

  • CARBayesは、面的単位データのための一変量および多変量空間一般化線形混合モデルのクラスを実装し、マルコフ連鎖モンテカルロ(MCMC)シミュレーションを用いたベイズ設定での推論を行うものです。また、CARBayesdataも参照してください。
  • CARBayesSTは、一変量および多変量の時空間一般化線形混合モデルを面単位データに対して実装し、マルコフ連鎖モンテカルロ(MCMC)シミュレーションを用いたベイズ設定による推論を行います。
  • CircSpaceTimeは、ガウス包含分布とガウス投影分布を用いた円形データの空間・時空間補間のためのベイズモデルの実装です。
  • geoRの krige.bayes() 関数は、地理統計データのベイズ解析を行い、モデルパラメータの異なるレベルの不確実性を指定することができます。詳細は Spatialビューを参照してください。
  • spBayesは、一変量および多変量の点参照データに対して、MCMC法を用いてガウス型空間プロセスモデルを適合させるR関数を提供します。
  • spTimerは、ベイズ型ガウス過程モデル、ベイズ型自己回帰(AR)モデル、ベイズ型ガウス予測過程ベースのARモデルを使って、大量の時空間データをフィッティングし、空間予測・時間予測を行います。
  • tgpは、ベイズ型樹状ガウス過程モデルを実装しています。単純な線形モデルから非静止樹状ガウス過程、その中間のモデルまで、完全ベイズ型 MCMC 事後推論を提供する空間モデリング・回帰パッケージです。

生存モデル

  • BMAは、線形モデル、一般化線形モデル、生存モデルに対するベイズモデル平均化のための関数を備えています。
    • 補完的なパッケージであるensembleBMAは、BMAを使用して、正規分布の混合物を使用したアンサンブルの確率的な予測を作成することができます。

時系列モデル

  • BayesARIMAXは、ARIMAX モデルのベイズ推定を行うパッケージです。自己回帰統合移動平均(ARIMA)モデルは、非常に有名な一変量時系列モデルである。Bierens (1987)は、外生変数(X)をモデルに組み込むことにより、ARIMAXとして修正し、その適用範囲を広げています。
  • bayesDccGarchは、多変量時系列のボラティリティに対する動的条件付き相関 GARCH モデルのベイズ推定を行います (Fioruci et al. 2014)。
  • bayesdfaは、ベイズ型動的因子分析を「Stan」で実装したものです。
  • bayesGARCHは、スチューデントの t イノベーションを持つ GARCH(1,1) モデルのベイズ推定を行う関数を提供するものです。
  • bayeslongitudinalは、複合対称性(SC)の共分散構造、次数1の自己回帰のもの AR (1)、次数(1,1)の自己回帰移動平均 ARMA (1,1) に対してベイズの方法論を使用して縦断回帰モデルを調整します。
  • BAYSTARは、閾値自己回帰モデルのベイズ推定を行うための関数を提供します。
  • bcpは、Barry and Hartigan積分割モデルを用いて、チェンジポイント問題のベイズ分析を実装しています。
  • bspecは、時系列の(離散)パワースペクトルに対するベイズ推論を行う。
  • bstsは、MCMCを用いた動的線形モデルによる時系列回帰のためのパッケージです。
  • BVARは、階層的ベイズ型ベクトル自己回帰モデルを推定するためのパッケージです。
  • DIRECTは、複製された時系列や複数の実験条件から得られた複製された測定値に対するベイズ型クラスタリング手法を提供します。
  • dlmは、動的線形モデルのベイズ(および尤度)解析のためのパッケージです。カルマンフィルタとスムーザーの計算、フォワードフィルタリング・バックワードサンプリングアルゴリズムが含まれています。
  • EbayesThreshは、閾値法のためのベイズ推定を実装しています。オリジナルのモデルはウェーブレットの文脈で開発されましたが、このパッケージは研究者がパラメータセットの可能なスパース性を利用する必要がある場合に便利です。
  • NetworkChangeは、縦断的ネットワークデータの変化点解析のためのRパッケージです。隠れマルコフマルチリニアテンソル回帰モデルを実装しています。限界尤度とWAICを用いたモデル診断ツールも提供されています。
  • Rbeastは、RJMCMCによるベイズモデル平均法を実装し、時系列を急変、トレンド、季節性に分解し、変化点検出、時系列分解、非線形トレンド解析、時系列分割に有用です。
  • spTimerは、ベイズ型ガウス過程モデル、ベイズ型自己回帰(AR)モデル、ベイズ型ガウス予測過程ベースのARモデルを使って、大量の時空間データをフィッティングし、空間予測・時間予測を行います。
  • ssMousetrackは、ベイズ推定のためのStan C++ライブラリへのRインタフェースを提供するrstanを使用して、マウス追跡実験用にあらかじめコンパイルされた状態空間モデリングを推定します。
  • stochvolは、確率的ボラティリティ(SV)モデルの完全なベイズ推定を行うための効率的なアルゴリズムを提供します。

他のモデル

  • bayesammiは、加法的主効果・乗法的相互作用(AMMI)モデルのベイズ推定を実行します。
  • BayesBPは、Bernstein多項式の適合率行列を用いたベイズ推定を行うパッケージです。
  • BayesCRは、SMSN分布に基づく打ち切り線形回帰モデルのパラメトリックフィットを、ベイズの観点から提案するものです。
  • bayesdistregは、ベイズ分布回帰法を実装しています。本パッケージには、Huang and Tsyawo (2018)のベイズ分布回帰の3つの推定量(非漸近法、準漸近法、漸近法)および関連ルーチンに対する関数が含まれています。
  • bayesDPは、Haddadら(2017)のシングルアームおよびツーアーム臨床試験のベイズ割引事前法を用いたデータ補強のための関数を提供します。
  • BayesFMは、様々な因子モデルに対してベイズ分析を行うための手続き集を提供します。
  • BayesGOFは、相互に関連した4つのタスクを実行します。
    • (i) 引き出されたパラメトリック事前分布の不確実性を特徴付けます
    • (ii) 事前分布とデータの衝突をチェックするための探索的診断を提供します
    • (iii) 最終的に統計的事前密度推定を計算します
    • (iv) マクロおよびミクロ推論を実行します
  • Bayesiangammaregは、Cepeda and Urdinola (2012)で説明されたベイズの観点からガンマ回帰モデルを調整するものです。
  • BayesLCAは、いくつかの異なる方法を用いてベイズ潜在クラス分析を実行します。
  • BayesMallowsは、Mallowsランクモデルによるベイズ選好学習を行います。
  • BayesMassBalは、分離プロセスのベイズ型データ照合のためのパッケージです。
  • bayestestRは、事後分布やベイズモデルを記述するためのユーティリティを提供します。最大事後推定(MAP)などの点推定、分散の測定(最高密度区間)、帰無仮説検定に用いる指標(ROPE率、pd、ベイズ係数など)が含まれています。
  • coalescentMCMCは、Rでコールエッセント解析を行うための柔軟なフレームワークを提供します。
  • deBInferは、微分方程式のベイズパラメータ推定をMCMC手法で行うためのR関数です。
  • densEstBayesは、一変量連続ランダムサンプルのベイズ密度推定を、ベイズ推論エンジンのパラダイムを使用して提供するものです。
  • errumは、探索的Reduced Reparameterized Unified Model(ErRUM)のベイズ推定を行います。
    • rrumは、Reduced Reparameterized Unified Model(rrum)のベイズ推定のためのギブスサンプリング・アルゴリズムを実装しています。
  • FMEは、モデルのデータへの適合、モンテカルロ法、感度および同定性解析の実行を支援する関数を提供します。deSolveの積分ルーチン、またはrootSolveの定常ソルバーによって解かれる微分方程式のセットとして書かれたモデルを扱うことを意図しています。
  • Hmiscのgbayes()関数は、事前分布と尤度の両方がガウス分布で、目的の統計量が2標本問題から得られる場合、事後分布(およびオプションで予測分布)を導出するものです。
  • hbsaeは、基本的な面積またはユニットレベルモデルに基づく小面積の推定値を計算する関数を提供します。モデルは、制限付き最尤法、または階層的ベイズ法を用いて適合させます。
  • matchingMarkets (archived)は、内生的なマッチング(グループ形成や両側マッチングなど)によるバイアスを補正するために、ギブスサンプラーに基づく構造モデルを実装しています。
  • mombfは、MOM、eMOM、iMOMなどの非局所的な事前分布に基づくモデル選択を行うことができます。
  • prevalenceは、ベイズの枠組みで見かけの有病率から真の有病率を推定するための機能を提供する。MCMCサンプリングはJAGS/rjagsで実行されます。
  • PReMiuMは、プロファイル回帰のためのパッケージで、応答が共変量プロファイルにノンパラメトリックにリンクされるディリクレ過程ベイズ型クラスタリングです。
  • revdbayesは、極値事後分布からの直接ランダムサンプリングによる極値モデルのベイズ解析のための関数を提供します。
  • mgcvのvcov.gam()関数は、フィットしたgamオブジェクトからパラメータのベイズ事後共分散行列を抽出することができます。

特定分野のベイズモデル

  • AnaCoDaは、ゲノムスケールのコドンデータをベイズの枠組みで解析するためのモデル集です。
  • ArchaeoChronは、考古学的年代をベイズモデリングするための機能一覧を提供します。
  • BACCTは、「Just Another Gibbs Sampler」(JAGS)ソフトウェアを用いて、臨床試験環境下でBayesian Augmented Control(BAC、別名:ベイズ履歴データ借用)法を実装したものです。
  • BaSkeProは、MAU(Minimum Anatomical Units)の割合で特徴付けられる始祖動物の骨格プロファイルから、枝肉処理/輸送戦略と骨減少のベイズ推定を行うツールを提供します。
  • bayesbioは、バイオインフォマティクスとベイズ統計のための雑多な関数を提供します。
  • bayesCTは、二項データ、ガウシアンデータ、time-to-eventデータ型に対するベイズ適応型臨床試験のシミュレーションと解析を行い、履歴データを取り込み、無益性または早期成功のための早期停止を可能にするものです。
  • BayesCTDesignは、臨床試験研究者が、過去の対照データを組み込んだり組み込まなかったりする2群ベイズ法無作為化臨床試験の検出力とサンプルサイズを計算するのに役立つ一連の関数を提供します。
  • bayes4psyは、心理テストのデータ解析のためのベイズモデルをいくつか含んでいます。
  • bayesianETASは、地震発生に対するETAS(Epidemic Type Aftershock Sequence)モデルのベイズ推定を行うためのパッケージです。
  • BayesianLateralityは、観測されたラテラリティ指標から半球優位性を予測するベイズモデル(Sorensen and Westerhausen 2020)を実装するための関数です。
  • bayesImageSは、hidden Potts モデルを用いたベイズ画像解析のための R パッケージです。
  • bayesLifeは、ベイズ階層モデルを用いて、世界各国の平均寿命の確率的な予測を行います。
  • BCEは、バイオマーカーデータからベイズアプローチで分類学的組成を推定する機能を備えています。
  • bqtlは、量的形質座位 (QTL) モデルを適合させるために使用することができます。このパッケージは、ラプラス近似による複数遺伝子モデルのベイズ推定を可能にし、遺伝子座のインターバルマッピングのためのツールを提供します。また、本パッケージには QTL 解析のためのグラフィカルなツールも含まれています。
  • coalitionsは、多党制選挙制度における世論調査に基づく事象確率の推定のためのベイズ的枠組みを実装しています(Bender and Bauer 2018)。
  • dfpk (archived)は、第I相臨床試験中の投与量割り当てプロセスにおいて、PK指標を含む統計手法を提供します。
  • dinaは、Deterministic Input, Noisy “And” Gate (DINA)認知診断モデルのパラメータをGibbs samplerで推定します。
    • edinaは、探索的決定論的入力、ノイズ、ゲート(EDINA)認知診断モデルのベイズ推定を実行します。

事後推定ツール

  • MCMCvisは、MCMC解析のための主要な機能(可視化、操作、要約)を実行します。機能は、コール内のモデルパラメータの簡単でわかりやすいサブセットをサポートし、見栄えのする、「出版準備」の整った出力を生成します。MCMC出力は、JAGS、Stan、または他のMCMCサンプラーで適合したベイズモデル出力から得ることができます。
  • boaは、MCMC シーケンスの診断、要約、および可視化のための関数を提供します。
    • boaは、Gelman and Rubin, Geweke, Heidelberger and Welch, Raftery and Lewis診断、Brooks and Gelman多変量縮約因子を提供します。
  • coda(Convergence Diagnosis and Output Analysis)は、MCMC サンプルからの収束を要約し、プロットし、診断するために使用できる関数群です。
    • codaは、他のパッケージで使用される mcmc オブジェクトと関連するメソッドも定義しています。WinBUGS、OpenBUGS、JAGSからのMCMC出力や、プレーンマトリクスからの出力を簡単にインポートすることができます。
    • codaは、Gelman and Rubin、Geweke、Heidelberger and Welch、Raftery and Lewisの診断機能を備えています。
  • plotMCMCは、マルチパネルのプロットを簡単に作成するための便利な関数を追加することにより、codaを拡張します。グラフィカルなパラメータは、賢明なデフォルトを持ち、トップレベルの引数で簡単に変更できます。
  • rampsは、再パラメータ化およびマージナル化された事後サンプリングアルゴリズムを用いて、ガウス過程のベイズ地理統計分析を実装しています。

ベイズ統計の学習用パッケージ

  • BaMは、「Bayesian Methods」のための関数とデータセットを提供します。Jeff Gill著「A Social and Behavioral Sciences Approach」(Chapman and Hall/CRC, 2002/2007/2014)に対応した関数を提供しています。
  • BayesDAは、Andrew Gelman, John B. Carlin, Hal S. Stern, Donald B. Rubin著「Bayesian Data Analysis, Second Edition」(CRC Press, 2003)用のR関数とデータセットを提供しています。
  • Bolstadは、Bolstad, W.M. (2007)の著書「ベイズ統計学入門」のためのR関数とデータセットのセットです。
  • LearnBayesは、ベイズ統計推論の基本的な考え方を学ぶのに役立つ関数のコレクションを含んでいます。基本的な1パラメータ、2パラメータの事後分布や予測分布を要約する関数、ユーザが定義した事後分布を要約するためのMCMCアルゴリズムが含まれています。また、回帰モデル、階層モデル、ベイズ検定、ギブスサンプリングの図解などの関数も含まれています。

Rを他のサンプリングエンジンと連携させるパッケージ

  • bayesmixは、JAGSを用いてベイズ混合モデルをフィットさせるためのRパッケージです。
  • BayesXは、ソフトウェアパッケージBayesXで得られた推定結果を探索し、可視化するための機能を提供します。
  • Boomは、マルコフ連鎖モンテカルロを中心としたベイズモデリングのためのC++ライブラリーを提供します。
  • BRugsは、OpenBUGSのRインターフェイスを提供します。WindowsとLinuxで動作します。BRugsは以前はCRANから入手できましたが、現在はCRANextrasリポジトリにあります。
  • brmsは、Stanを使用してRでベイズ型マルチレベルモデルを実装しています。幅広い分布とリンク関数がサポートされており、線形、ロバスト線形、二項、ポアソン、生存、反応時間、順序、分位、ゼロインフレ、ハードル、さらには非線形モデルをマルチレベルのコンテキストで適合させることができます。
    • shinybrmsは、brmsを使用したベイズ回帰モデルのフィットのためのグラフィカルユーザインタフェース (GUI) です。
  • gretaは、Rで統計モデルを記述し、CPUやGPU上でMCMCや最適化、Googleの「TensorFlow」を用いてフィッティングすることができます。
    • gretaは、BUGS、JAGS、Stanのように独自のモデルを書くことができますが、Rで直接モデルを書くこと、巨大なデータセットにうまく対応できること、拡張やビルドが容易なことを除けば、です。
  • RとWinBUGSのインターフェースに使用できるパッケージは2つあります。
    • R2WinBUGSは、WindowsシステムおよびLinuxシステム上でWinBUGSを呼び出すための関数群を提供します。
  • Just Another Gibbs Sampler (JAGS)のRインターフェースとして、rjagsR2jagsrunjagsの3つのパッケージが提供されています。
  • これらのBUGSエンジンはすべて、モデル指定にグラフィカルモデルを使用します。そのため、GraphicalModelsタスクビューが参考になるかと思います。
  • rstanは、「StanHeaders」パッケージによって提供されるヘッダのみのStanライブラリにアクセスして、Stanモデルの解析、コンパイル、テスト、推定、分析を行うためのR関数を提供します。
    • Stanプロジェクトは、MCMCによる完全なベイズ統計推論と、最適化による(オプションでペナルティ付きの)最尤推定を実装した、確率的プログラミング言語を開発しています。
  • rstanarmは、ベイズ推定のためのStan C++ライブラリのRインターフェースを提供するrstanを使用して、以前にコンパイルされた回帰モデルを推定します。
  • pcFactorStanは、一対比較因子モデルに関連する便利な関数と、あらかじめプログラムされたStanモデルを提供します。その目的は、Stanを用いた一対比較データのフィッティングを容易にすることです。

ベイズ推定タスクビューはJong Hee Park (Seoul National University, South Korea)、Andrew D. Martin (Washington University in St. Louis, MO, USA)、Kevin M. Quinn (UC Berkeley, Berkeley, CA, USA)によって書かれたものです。提案のある方は、メンテナにメールを送るか、上記リンク先のGitHubリポジトリにイシューまたはプルリクエストを提出してください。

R言語 CRAN Task View:ベイズ推論

R言語 CRAN Task View:ベイズ推論」への1件のフィードバック

コメントは受け付けていません。