更新说明
一般来说，你会选择一个模型并基于这个模型进行分析。这些结果是以所选模型为条件的。在存在多个合理的模型时，这种方法可能不可靠。模型平均法允许你在多个模型的基础上进行分析，从而在结果中考虑到模型的不确定性。BMA根据贝叶斯原则对模型的不确定性进行核算，可以普遍应用于任何数据分析。在回归设定中，模型的不确定性描述了哪些预测因子应该包括在回归模型中的不确定性。新的命令 bmaregress 可以执行线性回归的 BMA，并可用于推理、 预测，如果需要的话，甚至可以用于模型选择。比如说,. bmaregress y x1 x2考虑包括或不包括预测因子x1和x2的结果y的所有四种可能的模型，并根据每个模型在观察数据基础上的可能性结合这些模型。你可以从各种先验分布中选择，以探索关于模型和预测者的重要性的假设对结果的影响。Postestimation 命令允许你估计一个模型的概率，识别重要的预测因子，探索模型的复杂性，获得预测手段，评估预测性能，并对回归系数进行推断。使用线性回归，bmaregress 对线性回归模型进行 BMA，使研究人员能够考虑到应该使用哪些预测因子的不确定性。