×
詹皮罗Marra；西蒙·伍德。

广义加性模型分量置信区间的覆盖性质。 （英语） Zbl 1246.62058号

扫描。J.统计。 39，第1期，53-74（2012）.
摘要：我们研究了用任何惩罚回归样条方法表示的广义可加模型（GAM）的光滑分量函数的贝叶斯置信区间的覆盖特性。区间是Wahba和Silverman分别于1983年和1985年首次提出的区间在GAM组件上下文中的通常推广。我们提供的仿真证据表明，这些区间接近标称的“跨函数”频率覆盖概率，除非真实值接近直线/平面函数。我们扩展了D.尼希卡[J.Am.Stat.Assoc.83，1134–1143（1988）]用于解释这些结果的单变量平滑样条。理论论证表明，如果能够避免严重的过度平滑，则可以实现接近标称覆盖概率，从而使偏差在采样可变性中所占比例不太大。理论结果使我们能够从纯粹的频率学家的角度推导出替代区间，并解释忽略平滑参数可变性对置信区间性能的影响。他们还建议在GAM可识别性约束的空间中，将沿组件的区间的推理目标从平滑组件中切换出来。

引用于39文件

MSC公司：

2015年1月62日 贝叶斯推断
62G15年 非参数容差和置信区域
62层25 参数公差和置信区域
65C60个 统计中的计算问题（MSC2010）

关键词：

贝叶斯置信区间；广义可加模型；惩罚回归样条

软件：

半标准杆；全球供应链；加迈尔
PDF格式BibTeX公司 XML格式引用
\textit{G.Marra}和\textit{S.N.Wood}，扫描。J.Stat.39，No.1，53--74（2012；Zbl 1246.62058）
全文： 内政部 链接

参考文献：

[1] Akaike，国际信息理论研讨会，第267页–（1973）
[2] Craven，使用样条函数平滑噪声数据，Numer。数学。第31页，第377页–（1979年）·Zbl 0377.65007号 ·doi:10.1007/BF01404567
[3] Fahrmeir，《时空数据的惩罚结构加性回归：贝叶斯视角》，统计学。Sinica 14第731页–（2004）·Zbl 1073.62025号
[4] Fahrmeir，基于马尔可夫随机场先验的广义可加混合模型的贝叶斯推断，J.Roy。统计师。Soc.C附录50第201页–（2001年）·Zbl 04565472号 ·doi:10.1111/1467-9876.00229
[5] 温和、随机数生成和蒙特卡罗方法（2003）·Zbl 1028.65004号
[6] 顾，惩罚似然回归——贝叶斯分析，统计学家。Sinica 2第255页–（1992）·Zbl 0822.62023号
[7] 顾，平滑样条方差分析模型（2002）·Zbl 1051.62034号 ·doi:10.1007/978-1-4757-3683-0
[8] 顾，带分量贝叶斯置信区间的平滑样条方差分析，J.Comp。图表。《法律总汇》第2卷第97页–（1993年）·doi:10.2307/1390957
[9] Hall，偏差估计对概率密度自举置信区间覆盖精度的影响，Ann.Statist。第20页，675页–（1992年）·Zbl 0748.62028号 ·doi:10.1214/aos/1176348651
[10] 哈德尔，《非参数回归中的Bootstrapping：局部自适应平滑和置信带》，J.Amer。Stat.Assoc.83第102页–（1988）·兹比尔0644.62047 ·doi:10.2307/2288926
[11] 哈德尔，半参数广义可加模型中的Bootstrap推理，计量经济学。西奥。第20页，第265页–（2004年）·Zbl 1072.62034号 ·doi:10.1017/S0266466604202X
[12] Härdle，非参数回归的Bootstrap同步误差带，Ann.Statist。第19页，778页–（1991年）·Zbl 0725.62037号 ·doi:10.1214/aos/1176348120
[13] Hastie，广义加性模型（1990）·Zbl 0747.62061号
[14] Kauermann，广义加性模型中的局部似然估计，Scand。J.统计。第30页，317页–（2003年）·Zbl 1053.62084号 ·doi:10.1111/1467-9469.00333
[15] McCullagh，广义线性模型（1989）·Zbl 0588.62104号 ·doi:10.1007/978-1-4899-3242-6
[16] Nychka，平滑样条曲线的贝叶斯置信区间，J.Amer。统计师。协会83第1134页–（1988年）·doi:10.2307/2290146
[17] Ruppert，半参数回归（2003）·Zbl 1038.62042号 ·doi:10.1017/CBO9780511755453
[18] Silverman，非参数回归曲线拟合的样条平滑方法的某些方面，J.Roy。统计师。Soc.B Met 47第1页–（1985年）·Zbl 0606.62038号
[19] Wahba，交叉验证平滑样条曲线的贝叶斯“置信区间”，J.Roy。统计师。Soc.B Met 45第133页–（1983年）·兹比尔0538.65006
[20] Wang，平滑样条的Bootstrap置信区间及其与贝叶斯置信区间的比较，J.Statist。计算。模拟。第51页263页–（1995年）·Zbl 0842.62036号 ·网址：10.1080/00949659508811637
[21] Wood，建模与平滑参数估计与多重二次惩罚，J.Roy。统计师。Soc.B Met 62第413页–（2000年）·Zbl 04558581号 ·doi:10.1111/1467-9868.00240
[22] Wood，薄板回归样条，J.Roy。统计师。Soc.B Met 65第95页–（2003年）·Zbl 1063.62059号 ·数字对象标识代码：10.1111/1467-9868.00374
[23] Wood，广义可加模型的稳定有效多重平滑参数估计，J.Amer。Stat.Assoc.99第673页–（2004年）·Zbl 1117.62445号 ·doi:10.1198/016214500000980
[24] 木材，广义加性模型：R简介（2006a）·兹比尔1087.62082
[25] Wood，关于基于惩罚回归样条的广义加性模型的置信区间，Aust。N.Z.J.统计。第445页第48页–（2006年b）·Zbl 1110.62042号 ·doi:10.1111/j.1467-842X.2006.00450.x
[26] 木材，广义加性模型的快速稳定直接拟合和平滑度选择，J.Roy。统计师。Soc.B Met 70第495页–（2008年）·Zbl 05563356号 ·doi:10.1111/j.1467-9868.2007.00646.x
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。