误差自相关的加性非参数回归

针对误差自相关的加性回归模型的非参数估计问题，提出了一种贝叶斯方法。每一个潜在的非线性分量都被建模为使用多个节点的回归样条，而误差则由参数化自相关的高阶平稳自回归过程建模。使用子集选择来说明有效节点和部分自相关的分布。我们的方法还允许选择因变量的适当转换。利用马尔可夫链蒙特卡罗方法对模型的各个方面进行了同时估计。实验表明，该方法在几个模拟和实际例子中都能很好地工作。