机器算法验证 - 帮我理解pp- 贝叶斯 glm 中的值 - 吾爱随笔录

我正在尝试对此处的数据运行贝叶斯 logit 。我在 Rbayesglm()的arm包中使用。编码很简单：

df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T)
library(arm)
model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df)

summary(model)给出以下输出：

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  0.10381    0.10240   1.014    0.311    
SEXMale      0.02408    0.09363   0.257    0.797    
HIGH        -0.27503    0.03562  -7.721 1.15e-14 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2658.2  on 1999  degrees of freedom
Residual deviance: 2594.3  on 2000  degrees of freedom
AIC: 2600.3

请引导我完成这个。我知道这段代码使用了一个非常弱的先验（因为我没有指定先验方法），所以如果我使用glm()而不是bayesglm(). 但是输出应该仍然是贝叶斯精神，对吧？什么是 $p$ -价值观和 $z$ -这里的值？这些不是常客推理工具吗？他们在这里有不同的解释吗？