×

bfa公司

swMATH ID: 7430
软件作者: Jared S.Murray。;戴维·邓森(David B.Dunson)。;劳伦斯·卡林;约瑟夫·卢卡斯(Joseph E.Lucas)。
描述: 混合数据的R包bfa贝叶斯-高斯copula因子模型。高斯因子模型已被证明广泛用于简约地描述多元数据中的相关性。有大量文献表明,它们可以扩展到混合分类变量和连续变量,使用潜在高斯变量或通过适应指数族测量的广义潜在性状模型。然而,当推广到非高斯测量变量时,潜在变量通常会影响相关性结构和边缘分布的形式,使解释复杂化,并引入伪影。为了解决这个问题,我们提出了一类新的贝叶斯-高斯copula因子模型,将潜在因子与边际分布解耦。基于扩展秩似然的边缘的半参数规范产生了简单的实现和大量的计算收益。我们为在贝叶斯推理中使用这种可能性提供了新的理论和经验依据。我们为因子载荷提出了新的默认先验,并为后验计算开发了有效的参数扩展吉布斯采样。这些方法通过仿真进行了评估,并应用于政治科学中的数据集。本文中的模型在R包bfa中实现(可从{it获得http://stat.duke.edu/jsm38/software/bfa}). 本文的补充材料可在网上获得。
主页: http://cran.r-project.org/web/packages/bfa/index.html
源代码:  https://github.com/cran/bfa网址
依赖项: R(右)
关键词: 扩展秩似然;因子分析;高维的;潜在变量;参数展开式;半参数
相关软件: R(右);ADVI公司;阿达德尔塔;斯坦;MULTIMIX公司;Copula模型;全球气候变化监测系统;厕所;熔岩;LISREL公司;Mplus公司;巴蒂;量化风险管理;BDgraph(BDgraph);坚果;贝叶斯DA;DP包;玻璃制品;线性调频;跳跃
引用于: 34文件
全部的 前5名

85位作者引用

4 大卫·布莱恩·邓森
4 迈克尔·斯坦利·史密斯
鲁本·洛艾莎·玛雅
2 安在英
2 塞缪尔·克拉克。
2 崔瑞飞
2 克洛迪亚·查多
2 伊索贝尔·克莱尔·戈姆利
2 格鲁特,佩里
2 P.理查德·哈恩
2 汤姆·M·海斯克斯。
2 麦克帕兰,达米恩
2 大卫·约翰·诺特
1 阿列克索普洛斯,安吉洛斯
1 阿米尔·巴希尔
1 保罗·巴斯蒂德
1 克里斯托夫·比尔纳基
1 莱昂纳多·波托洛
1 爱昂·加布里埃尔·布库尔
1 劳伦斯·卡林
1 弗朗索瓦·卡隆
1 卡瓦略、卡洛斯·马里尼奥
1 马克·柯林森。
1 保罗·克雷恩(Paul K.Crane)。
1 德鲁·D·克里尔。
1 彼得·达纳赫。
1 约瑟夫·迪克
1 巴巴拉·恩格哈特(Barbara E.Engelhardt)。
1 埃琳娜·埃洛舍娃。
1 约瑟夫·费尔德曼
1 费德里科·法拉利
1 佩德罗·加莱亚诺
1 普拉克·戈什
1 菲利普·古尔德
1 特里斯坦格雷·戴维斯
1 乔纳森·格鲁尔
1 顾晨阳
1 大卫·古纳万
1 罗伊·古特曼
1 克里斯托弗·霍姆斯。
1 洪,Hyokyoung Grace
1 Himchan Jeong
1 季、香
1 M.Beatrix琼斯
1 乔季瓦德齐瓦·怀特森(Chodziwadziwa Whiteson)·卡布杜拉(Kabudula)
1 查尔斯·卡茨
1 金正焕
1 纳贾·克莱恩
1 罗伯特·J·科恩。
1 丹尼尔·科瓦尔(Daniel R.Kowal)。
1 切尔西将军队
1 Lee,Woojoo先生
1 菲利普·莱米
1 李泽航理查德
1 约瑟夫·爱德华·卢卡斯
1 马廷凤
1 莫森·马勒基
1 礼貌,汉斯
1 马蒂厄·马尔巴克
1 Tyler H.McComick。
1 泰勒·H·麦考密克。
1 赛扬·穆克吉
1 多米尼克·米勒
1 贾里德·S·默里。
1 阿里斯蒂迪斯·K·尼古卢普洛斯。
1 明彦西村
1 哦,罗西
1 Rebecca P.佩恩。
1 罗伊,阿尔卡普拉瓦
1 弗洛里安·斯塔克
1 雅各布,斯特伯
1 马克·苏查德(Marc A.Suchard)。
1 孙洁欢
1 Tran、Minh Ngoc
1 Tsay,Ruey S。
1 埃米利亚诺·瓦尔迪兹。
1 文森特·范德维尔
1 王芳芳
1 约书亚·L·沃伦。
1 多米尼克·维德
1 达伦,幽灵
1 张振宇
1 赵宏宇
1 赵世文
1 郑毅

按年份列出的引文