×
张红梅;黄显正;甘建军;威尔弗里德·卡莫斯;塔拉州萨博·阿特伍德

变量选择的双分量优先。 （英语） Zbl 1357.62249号

贝叶斯分析。 11，第2期，353-380（2016）.
摘要：我们提出了一种基于线性模型中Zellner先验的扩展的贝叶斯变量选择方法。更具体地说，我们提出了一种双分量先验，其中引入了一个使用伪变量校准的调谐参数来调整两个分量之间的距离。我们证明了在变量选择中实现所提出的先验比使用Zellner的（g）-先验更有效。模拟结果还表明，与我们工作中考虑的其他方法相比，使用双组分（G）-先验方法选择的模型通常更有利，损失更小。使用我们来自肺病研究的激励性基因表达数据进一步证明了所提方法，以及早期研究中分析的臭氧数据。

引用于1文件

MSC公司：

62J05型 线性回归；混合模型
2015年1月62日 贝叶斯推断

关键词：

贝叶斯因子;测量误差;均方损失;伪变量;调谐参数

软件：

贝叶斯DA
PDF格式BibTeX公司 XML格式引用
\textit{H.Zhang}等人，贝叶斯分析。11，第2号，353--380（2016；Zbl 1357.62249）
全文： DOI程序 欧几里得

参考文献：

[1] Bartlett，M.（1957年）。“对D.V.Lindley的统计悖论的评论”，Biometrika，44:533-534·Zbl 0073.35702号
[2] Brass，D.M.、Tomfohr，J.、Yang，I.V.和Schwartz，D.A.（2007年）。“使用小鼠基因组学了解特发性间质纤维化”，《美国胸科学会学报》，4:92-100。
[3] Breiman，L.和Friedman，J.H.（1985）。“估计多元回归和相关性的最佳转换”，《美国统计协会杂志》，80:580-598·Zbl 0594.62044号 ·doi:10.2307/2288473
[4] Browne，W.J.和Draper，D.（2006年）。“贝叶斯和基于似然的方法拟合多级模型的比较（Pkg:P473-550）”，贝叶斯分析，1（3）：473-514·Zbl 1331.62125号 ·doi:10.1214/06-BA117
[5] Carroll，R.、Ruppert，D.、Stefanske，L.A.和Crainiceanu，C.（2006年）。非线性模型中的测量误差：现代观点。查普曼和霍尔/CRC出版社·兹比尔1119.62063 ·doi:10.1201/978142001138
[6] Casella，G.和Moreno，E.（2006年）。“客观贝叶斯变量选择”，《美国统计协会杂志》，101:157-167·Zbl 1118.62313号 ·doi:10.1198/0162145050000000646
[7] Christensen，P.J.、Bailie，M.B.、Goodman，R.E.、O'Brien，A.D.、Toews，G.B.和Paine，R.（2000）。“上皮细胞减少的GM-CSF在博莱霉素诱导的肺纤维化发病机制中的作用”，《美国生理学杂志-肺细胞和分子生理学》，279:L487-L495。
[8] Fan，J.和Li，R.（2001）。“通过非确认惩罚可能性及其Oracle属性进行变量选择”，《美国统计协会期刊》，96（456）：1348-1360·兹比尔1073.62547 ·doi:10.19198/0162114501753382273
[9] Fernández，C.、Ley，E.和Steel，M.（2001）。“贝叶斯模型平均的基准先验”，《计量经济学杂志》，100（2）：381-427·Zbl 1091.62507号 ·doi:10.1016/S0304-4076（00）00076-2
[10] Foster，D.P.和George，E.I.（1994年）。“多元回归的风险通货膨胀标准”，《统计年鉴》，22:1947-1975·Zbl 0829.62066号 ·doi:10.1214/aos/1176325766
[11] 盖尔曼，A.（2006）。“层次模型中方差参数的先验分布”，贝叶斯分析，1:515-533·Zbl 1331.62139号 ·doi:10.1214/06-BA117A
[12] Gelman，A.、Carlin，J.B.、Stern，H.S.和Rubin，D.B.（2003）。贝叶斯数据分析。查普曼和霍尔/CRC。
[13] George，E.I.（2000）。“变量选择问题”，《美国统计协会杂志》，95:1304-1308·兹比尔1018.62050 ·doi:10.2307/2669776
[14] George，E.I.和Foster，D.P.（2000）。“校准和经验贝叶斯变量选择”，《生物特征》，87:731-747·Zbl 1029.62008号 ·doi:10.1093/biomet/84.731
[15] George，E.I.和McCulloch，R.E.（1993）。“通过吉布斯抽样进行变量选择”，《美国统计协会期刊》，88:881-889。
[16] - (1997). “贝叶斯变量选择方法”，《中国统计》，7:339-374·兹比尔0884.62031
[17] - (1999). “关于“使用基于数据的先验在可加非参数回归中的变量选择和函数估计”的评论。”美国统计协会杂志，94:798-799·Zbl 0994.62033号 ·doi:10.2307/2669900
[18] Higgins，K.M.、Davidian，M.和Giltinan，D.M.（1997年）。“非线性混合效应模型中时间相关协变量测量误差的两步法，及其在IGF-I药代动力学中的应用”，《美国统计协会杂志》，92:436-448·Zbl 0890.62079号 ·doi:10.2307/2965691
[19] Huaux，F.、Gharaee-Kermani，M.、Liu，T.、Morel，V.、McGarry，B.、Ullenbruch，M.，Kunkel，S.L.、Wang，J.、Xing，Z.和Phan，S.H.（2005）。“Eotaxin-1（CCL11）和CC趋化因子受体3（CCR3）在博莱霉素诱导的肺损伤和纤维化中的作用”，《美国病理杂志》，167:1485-1496。
[20] Ishwaran，H.和Rao，J.S.（2005a）。“多组微阵列数据的尖峰和板条基因选择”，《美国统计协会期刊》，100:764-780·Zbl 1117.62363号 ·doi:10.1198/0162145000000051
[21] -（2005年b）。“尖峰和板形变量选择：频繁和贝叶斯策略”，《统计年鉴》，33:730-773·Zbl 1068.62079号 ·doi:10.1214/009053604000001147
[22] Knight，D.、Ernst，M.、Anderson，G.、Moodley，Y.和Mutsaers，S.（2003）。“gp130/IL-6细胞因子在肺纤维化发展中的作用：疾病易感性和进展的关键决定因素？”《药理学与治疗学》，99:327-338。
[23] Lee，K.E.、Sha，N.、Dougherty，E.R.、Vannucci，M.和Mallick，B.K.（2003）。“基因选择：贝叶斯变量选择方法”，《生物信息学》，19:90-97·Zbl 1279.92064号 ·doi:10.1007/3-540-45089-023
[24] Liang，F.、Paulo，R.、Molina，G.、Clyde，M.A.和Berger，J.O.（2008）。“贝叶斯变量选择的（g）先验混合”，《美国统计协会期刊》，103:410-423·Zbl 1335.62026号 ·doi:10.19198/0162114507000001337
[25] Liang，H.和Li，R.（2009）。“具有测量误差的部分线性模型的变量选择”，《美国统计协会期刊》，104:234-248·Zbl 1388.62208号 ·doi:10.1198/jasa.2009.0127
[26] Lindley，D.V.（1957年）。“统计悖论”，《生物特征》，44:187-192·Zbl 0084.35806号 ·doi:10.1093/biomet/44.1-2.179
[27] Liu，W.和Wu，L.（2007）。“具有协变量测量误差和缺失响应的半参数非线性混合效应模型的同步推断”，《生物计量学》，63:342-350·Zbl 1137.62374号 ·网址：10.1111/j.1541-0420.2006.00687.x
[28] Ma，Y.和Li，R.（2010）。“测量误差模型中的变量选择”，伯努利，16:274-300·兹比尔1200.62071 ·doi:10.3150/09-BEJ205
[29] Marcus，M.（1992年）。矩阵理论和矩阵不等式综述，第14卷。纽约州米诺拉：Courier Dover Publications，Inc。
[30] Maruyama，Y.和George，E.I.（2011年）。“具有广义先验的完全贝叶斯因子”，《统计年鉴》，39:2740-2765·Zbl 1231.62036号 ·doi:10.1214/11-AOS917
[31] Miller，A.（2002年）。回归中的子集选择。纽约：查普曼和霍尔出版社·Zbl 1051.62060号
[32] Mitchell，T.J.和Beauchamp，J.J.（1988）。“线性回归中的贝叶斯变量选择（C/R:P1033-1036）”，《美国统计协会杂志》，83:1023-1032·Zbl 0673.62051号 ·doi:10.2307/2290129
[33] Morris，C.N.（1987）。“关于“通过数据增强计算后验分布”的评论。”美国统计协会杂志，82:542-543·Zbl 0619.62029号 ·doi:10.2307/2289457
[34] Rocke，D.M.和Durbin，B.（2001年）。“基因表达阵列的测量误差模型”，《计算生物学杂志》，8:557-569。
[35] Sabo-Attwood，T.、Ramos-Nino，M.E.、Eugenia-Ariza，M.、MacPherson，M.B.、Butnor，K.J.、Vacek，S.P.、P.C.和McGee，Clark，J.C.、Steele，C.和Mossman，B.T.（2011）。“骨桥蛋白调节小鼠纤维化模型吸入石棉后的炎症、粘蛋白生成和基因表达特征”，《美国病理学杂志》，178:1975-1985。
[36] Smith，M.和Kohn，R.（1996年）。“使用贝叶斯变量选择的非参数回归”，《计量经济学杂志》，75:317-343·Zbl 0864.62025号 ·doi:10.1016/0304-4076（95）01763-1
[37] Som，A.、Hans，C.和MacEachern，S.（2014年）。“使用分块Hyper-g优先级的贝叶斯建模”。arXiv:1406.6419
[38] Tibshirani，R.（1996）。“通过拉索进行回归收缩和选择”，《皇家统计学会期刊》，B辑（方法学），58:267-288·Zbl 0850.62538号
[39] Vannucci，M.、Do，K.和Müller，P.（2012）。基因表达和蛋白质组学的贝叶斯推断。剑桥大学出版社·Zbl 1246.62035号 ·doi:10.1017/CBO9780511584589
[40] Wu，Y.、Boos，D.D.和Stefanski，L.A.（2007年）。“通过添加伪变量控制变量选择”，《美国统计协会期刊》，102:235-243·兹比尔1284.62242 ·doi:10.1198/016214500000843
[41] Zellner，A.（1986年）。“关于评估先验分布和使用（g）-先验分布的贝叶斯回归分析”，收录于：Goel，P.K.和Zellner，A.（eds.），贝叶斯推断和决策技术：Bruno de Finetti荣誉论文，233-243。Elsevier/North-Holland[爱思唯尔科学出版公司，纽约；North-Holland出版公司，阿姆斯特丹]·Zbl 0655.62071号
[42] 邹华（2006）。“自适应LASSO及其Oracle属性”，《美国统计协会期刊》，101:1418-1429·Zbl 1171.62326号 ·doi:10.1198/016214500000735
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。