×
阿德里安·多布拉;亚历克斯·伦科斯基

Copula Gaussian图形模型及其在功能性残疾数据建模中的应用。 （英语） Zbl 1232.62046号

附录申请。斯达。 5，编号2A，969-993（2011）.
摘要：我们提出了一种综合贝叶斯方法，用于观测研究中图形模型的确定，该方法可以同时适应二进制、序数或连续变量。我们的新模型称为copula高斯图形模型（CGGM），并将图形模型选择嵌入到半参数高斯copula中。我们方法的适用范围非常广泛，包括社会科学和经济学的许多研究。我们说明了copula高斯图形模型在分析16维功能性残疾列联表中的应用。

引用于49文件

MSC公司：

2015年1月62日 贝叶斯推断
05C90年 图论的应用
62页第10页 统计学在生物学和医学中的应用；元分析
62H17型 应急表
92C50 医疗应用（通用）
65C60个 统计中的计算问题（MSC2010）

关键词：

贝叶斯推断;潜在变量模型;马尔科夫蒙特卡洛

软件：

HdBCS公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Dobra}和\textit{A.Lenkoski}，Ann.Appl。Stat.5，No.2A，969--993（2011；Zbl 1232.62046）
全文： DOI程序 arXiv公司

参考文献：

[1] Atay-Kayis，A.和Massam，H.（2005年）。计算不可分解高斯图形模型中边际似然的蒙特卡罗方法。生物特征92 317-335·Zbl 1094.62028号 ·doi:10.1093/biomet/92.2.317
[2] Cramér，H.（1946）。统计学的数学方法。普林斯顿大学出版社，新泽西州普林斯顿·Zbl 0063.01014号
[3] Diaconis，P.和Ylvisaker，D.（1979年）。指数族的共轭先验。安。统计师。7 269-281. ·Zbl 0405.62011号 ·doi:10.1214/aos/1176344611
[4] Dobra，A.、Erosheva，E.A.和Fienberg，S.E.（2003）。基于适用于残疾数据的大型列联表界限的披露限制方法。《统计数据挖掘新领域会议论文集》（E.H.Bozdogan，ed.）93-116。CRC出版社，纽约。
[5] Dobra，A.和Lenkoski，A.（2010年）。补充“Copula Gaussian图形模型及其在功能性残疾数据建模中的应用”。DOI:·Zbl 1232.62046号
[6] Dobra，A.和Massam，H.（2010年）。具有共轭先验的对数线性模型的面向模式随机搜索算法。统计师。Methodol公司。7 240-253·Zbl 1291.62066号 ·doi:10.1016/j.stamet.2009.04.002
[7] Dunson，D.B.（2006）。潜在特征分布的贝叶斯动态建模。生物统计学7 551-568·Zbl 1170.62375号 ·doi:10.1093/biostatistics/kxj025
[8] Dunson，D.B.和Xing，C.（2009年）。多元分类数据的非参数Bayes建模。J.Amer。统计师。协会104 1042-1051·兹比尔1388.62151 ·doi:10.1198/jasa.2009.tm08439
[9] Erosheva，E.A.、Fienberg，S.E.和Joutard，C.（2007年）。通过多元二进制数据的个体级混合模型描述残疾。附录申请。统计师。1 502-537. ·Zbl 1126.62101号 ·doi:10.1214/07-AOAS126
[10] Fienberg，S.E.、Hersh，P.、Rinaldo，A.和Zhou，Y.（2010年）。列联表数据潜在类模型中的最大似然估计。《统计学中的代数和几何方法》（P.Gibilisco、E.Riccomagno、M.P.Rogantin和E.H.P.Wynn编辑）27-62。剑桥大学出版社，剑桥。
[11] Genest，C.和Neslehová（2007年）。copula上用于计数数据的引物。阿斯汀公报37 475-515·Zbl 1274.62398号 ·doi:10.2143/AST.37.2.2024077
[12] Giudici，P.和Green，P.J.（1999）。可分解图形高斯模型确定。生物特征86 785-801·Zbl 0940.62019号 ·doi:10.1093/biomet/86.4.785
[13] Green，P.J.（1995）。可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定。生物特征82 711-732·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711
[14] Hoff，P.D.（2007）。扩展了半参数copula估计的秩似然。附录申请。统计师。1 265-283. ·邮编1129.62050 ·doi:10.1214/07-AOAS107
[15] Jones，B.、Carvalho，C.、Dobra，A.、Hans，C.、Carter，C.和West，M.（2005年）。高维图形模型的随机计算实验。统计师。科学。20 388-400·Zbl 1130.62408号 ·doi:10.1214/088342305000000304
[16] Kass，R.和Raftery，A.E.（1995年）。贝叶斯因素。J.Amer。统计师。协会90 773-795·Zbl 0846.62028号 ·doi:10.2307/2291091
[17] Lauritzen，S.L.（1996）。图形模型。牛津大学出版社，牛津·Zbl 0907.62001
[18] Lenkoski，A.和Dobra，A.（2010年）。高斯图形模型中与G-Wishart先验推理相关的计算方面。J.计算。图表。统计师。内政部：。
[19] Letac，G.和Massam，H.（2007年）。可分解图的Wishart分布。安。统计师。35 1278-1323之间·Zbl 1194.62078号 ·doi:10.1214/009053600000.1235
[20] Liu，H.、Lafferty，J.和Wasserman，L.（2009）。非paranormal：高维无向图的半参数估计。J.马赫。学习。第10号决议2295-2328·Zbl 1235.62035号
[21] Madigan，D.和York，J.（1995年）。离散数据的贝叶斯图形模型。国际统计。修订版63 215-232·Zbl 0834.62003号 ·doi:10.2307/1403615
[22] Manton，K.G.、Corder，L.和Stallard，E.（1993年）。1982年至1989年美国老年人口中慢性残疾和机构发病率及患病率的变化估计。杰伦托尔。社会科学。48 S153-S166。
[23] Manton，K.G.和Gu，X.（2001）。1982年至1999年美国65岁以上黑人和非黑人人群慢性残疾患病率的变化。程序。国家。阿卡德。科学。美国98 6354-6359。
[24] Muirhead，R.J.（2005）。多元统计理论方面。纽约威利·Zbl 0556.62028号
[25] Muthén，B.（1984年）。具有二分法、有序分类和连续潜在变量指标的一般结构方程模型。《心理测量学》49 115-132。
[26] Nelsen，R.B.（1999）。Copulas简介。纽约州施普林格·Zbl 0909.62052号
[27] Pitt，M.、Chan，D.和Kohn，R.（2006年）。高斯copula回归模型的有效贝叶斯推理。Biometrika 93 537-554·Zbl 1108.62027号 ·doi:10.1093/biomet/93.3537
[28] Roverato，A.（2002年）。不可分解图的超逆Wishart分布及其在高斯图形模型贝叶斯推理中的应用。扫描。J.统计学家。29 391-411. ·Zbl 1036.62027号 ·doi:10.1111/1467-9469.00297
[29] Scott，J.G.和Berger，J.O.（2006年）。贝叶斯多重测试方面的探索。J.统计学家。计划。推论136 2144-2162·Zbl 1087.62039号 ·doi:10.1016/j.jspi.2005.08.031
[30] Song，P.X.K.（2000年）。由高斯copula生成的多元离散模型。扫描。J.统计学家。27 305-320. ·Zbl 0955.62054号 ·doi:10.1111/1467-9469.00191
[31] Whittaker，J.（1990）。应用多元统计中的图形模型。纽约威利·Zbl 0732.62056号
[32] Wong，F.、Carter，C.K.和Kohn，R.（2003）。协方差选择模型的有效估计。生物特征90 809-830·Zbl 1436.62346号 ·doi:10.1093/biomet/90.4.809
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。