摘要
通常,模型选择的目标是为未来预测选择一个模型,通过平方误差损失来衡量未来预测的准确性是很自然的。在贝叶斯方法下,人们通常认为最优预测模型是具有最高后验概率的模型,但事实并非如此。本文表明,在正常线性模型中进行选择时,最佳预测模型通常是中值概率模型它被定义为由那些总体后验概率大于或等于模型中1/2的变量组成的模型。中值概率模型通常不同于最高概率模型。
引文
下载引文
玛丽亚·马达莱娜·巴比里(Maria Maddalena Barbieri)。
詹姆斯·伯杰(James O.Berger)。
“最佳预测模型选择。”
安。统计师。
32
(3)
870 - 897,
2004年6月。
https://doi.org/10.1214/009053604000000238
问询处
发布日期:2004年6月
欧几里得项目首次提供:2004年5月24日
数字对象标识符:10.1214/009053600000238
学科:
主要用户:2015年1月62日
次要:62C10个
关键词:贝叶斯线性模型,预测分布,平方误差损失,变量选择
版权所有©2004数学统计研究所