Diễn giải các tham số hồi quy đa biến

Mô hình Bayesian của bạn khảo sát sự phụ thuộc của lưu lượng đường mòn điển hình vào trạng thái ngày trong tuần \(X\)_i và nhiệt độ \(Z\)_i: \(m\)_i \(= a + b X\)_i \(+ c Z\)_i. Kết quả summary() từ mô phỏng mô hình RJAGS cung cấp ước lượng kỳ vọng hậu nghiệm cho các tham số \(a\), \(b\) và \(c\):

> summary(rail_sim_2)
        Mean      SD Naive SE Time-series SE
a     36.592 60.6238 0.606238        4.19442
b[1]   0.000  0.0000 0.000000        0.00000
b[2] -49.610 23.4930 0.234930        0.55520
c      5.417  0.8029 0.008029        0.05849
s    103.434  7.9418 0.079418        0.11032

Ví dụ, giá trị trung bình hậu nghiệm của \(c\) cho thấy rằng cả cuối tuần lẫn ngày trong tuần, lưu lượng tàu điển hình tăng khoảng 5.4 người dùng cho mỗi khi nhiệt độ tăng 1 độ. Diễn giải nào sau đây về \(b\) (ở đây là b[2]) là chính xác nhất?