Zellner g先验条件下线性模型的贝叶斯模型平均
Bayesian Model Averaging for linear modelsunder Zellner’s g prior.
可选项包括：固定的（BRIC,UIP, …）和可调的g先验（经验贝叶斯，hyper-g）、5种先验模型、通过模型枚举或MCMC采样器进行模型采样（Metropolis-Hastingsplain or reversible jump）。
Options include: fixed (BRIC, UIP, …) andflexible g priors (Empirical Bayes, hyper-g), 5 kinds of model prior concepts,and model sampling via model enumeration or MCMC samplers (Metropolis-Hastingsplain or reversible jump).
后处理允许根据不同的概念（基于似然与MCMC的方法）进行推断，并允许绘制（后验模型大小、系数密度、最佳模型、模型收敛性、BMA比较）。
Post-processing allows for inferenceaccording to different concepts (likelihood vs MCMC-based) and for plotting(posterior model size and coefficient densities, best models, modelconvergence, BMA comparison).
要求MATLAB版本为6.5及其更高版本。
如果想了解更详细的信息，请参阅网站：http://bms.zeugner.eu/matlab/
完整源码下载地址：
http://page5.dfpan.com/fs/0l5c0j52e2113209169/
更多精彩文章请关注微信号：