การตีความสัมประสิทธิ์ของตัวแปรจัดประเภท

ในโมเดล Bayesian ของคุณ \(m\)_i \(= a + b X\)_i กำหนดความสัมพันธ์ระหว่างปริมาณผู้ใช้เส้นทางโดยทั่วไปกับสถานะวันธรรมดา \(X\)_i (1 สำหรับวันธรรมดา และ 0 สำหรับวันหยุดสุดสัปดาห์) การใช้ summary() กับผลการจำลองโมเดล RJAGS จะให้ค่าประมาณค่าเฉลี่ย posterior ของพารามิเตอร์ \(a\) และ \(b\) โดย \(b\) ที่นี่ตรงกับ b.2.

> summary(rail_sim_1)
       Mean     SD Naive SE Time-series SE
a    428.47 23.052  0.23052         0.5321
b.1.   0.00  0.000  0.00000         0.0000
b.2. -77.78 27.900  0.27900         0.6422
s    124.25  9.662  0.09662         0.1335

ข้อใดต่อไปนี้เป็นการตีความค่าสรุป posterior เหล่านี้ที่ถูกต้องที่สุด