我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
线性回归在统计分析中普遍存在。众所周知,当假定误差的经典正态性时,相互冲突的信息源可能会污染推理。轻正常尾部造成的污染源于一种不理想的影响:后部集中在不同来源之间的一个区域,具有足够大的缩放比例,可以将它们全部合并。贝叶斯统计学中的冲突解决理论(O’Hagan和Pericchi(2012))建议通过限制异常值的影响来解决这个问题,以获得与大部分数据一致的结论。在本文中,我们提出了一个具有超重尾错误的模型来实现这一点。我们证明了它是完全稳健的,这意味着随着离群值越来越远离总趋势,离群值的影响逐渐消失。超重型尾翼密度与尾翼外侧的正常密度相似,这就产生了一种有效的估算程序。此外,估算很容易计算。通过详细的用户指南强调了这一点,其中通过模拟案例研究解释了所有步骤。性能通过仿真显示。给出了所有必需的代码。
菲利普·加格农(Philippe Gagnon)。 阿兰·德斯加涅。 梅勒·贝达德。 “线性回归中抗异常值鲁棒性的新贝叶斯方法。” 贝叶斯分析。 15 (2) 389 - 414, 2020年6月。 https://doi.org/10.1214/19-BA1157