基于幂次缩放的先验与似然敏感性检测与诊断

确定后验对先验与似然扰动的敏感性是贝叶斯工作流的重要部分。我们引入一种实用且计算高效的敏感性分析方法，利用重要性采样估计由先验或似然幂次缩放所得后验的性质。在此基础上，我们提出一种诊断方法，可指示先验-数据冲突或似然非信息性的存在，并讨论该幂次缩放方法的局限性。该方法可由建模者以极小代价轻松纳入贝叶斯工作流，我们在新R包priorsense中给出实现。我们进一步在真实数据案例研究中展示该工作流，所用模型复杂度从简单线性模型到高斯过程模型不等。