兰吉尼·纳塔拉扬;罗伯特·E·卡斯。 广义线性混合模型的参考贝叶斯方法。 （英语） 兹比尔0996.62021 美国统计协会。 95，编号449227-237（2000）. 摘要：贝叶斯方法为广义线性混合模型中的推理提供了一种有吸引力的方法。在缺乏随机效应方差分量的主观先验信息的情况下，这些分析通常使用正常响应的标准不变先验或漫共轭先验进行。以前的工作已经指出了这两种策略的严重困难，我们在这里表明，与正常混合模型一样，标准不变先验导致广义线性混合模型的后验分布不正确。本文提出并研究了两种替代参考（即“客观”或“非信息”）先验：近似均匀收缩先验和近似Jeffreys先验。我们给出了方差分量在任何先验下的后验分布存在的条件，以及固定效应的一致先验。结果表明，对于几个分布族，近似均匀收缩先验满足这些条件，在某些情况下，数据受到轻微约束。使用logit-normal模型进行的仿真研究表明，在插件经验贝叶斯规则和使用扩散共轭规范的完全贝叶斯方法上，近似均匀收缩先验显著改进。该方法在缉获数据集上进行了说明。 引用于1审查引用于37文件 MSC公司： 2015年1月62日 贝叶斯推断 62J12型 广义线性模型（逻辑模型） 关键词：共轭先验;层次模型;杰弗里斯的前科;参考优先权;均匀收缩先验;方差分量 软件：漏洞 PDF格式BibTeX公司 XML格式引用 \textit{R.Natarajan}和textit{R.E.Kass}，J.Am.Stat.Assoc.95，No.449，227--237（2000；Zbl 0996.62021） 全文： 内政部