陈嘉华;陈泽华 大模型空间模型选择的扩展贝叶斯信息准则。 (英语) Zbl 1437.62415号 生物特征 95,第3号,759-771(2008). 摘要:当模型空间较大时,普通的贝叶斯信息准则对模型选择过于宽松。本文重新审视了贝叶斯模型选择范式,并提出了一个扩展的贝叶斯信息准则族,其中既考虑了未知参数的数量,又考虑了模型空间的复杂性。建立了它们的一致性,特别是允许协变量的数量随着样本量的增加而增加到无穷大。通过仿真研究评估了它们在各种情况下的性能。结果表明,扩展的贝叶斯信息准则在正选择率方面损失很小,但在许多应用中都能严格控制错误发现率。扩展贝叶斯信息标准对于中等样本量但具有大量协变量的问题的变量选择非常有用,尤其是在全基因组关联研究中,这是遗传学研究的一个活跃领域。 引用于4评论引用于291文件 MSC公司: 62页第10页 统计学在生物学和医学中的应用;元分析 关键词:贝叶斯范式;一致性;全基因组关联研究;锦标赛方法;变量选择 PDF格式BibTeX公司 XML格式引用 \textit{J.Chen}和\textit{Z.Chen}.生物特征95,第3期,759--771(2008;Zbl 1437.62415) 全文: 内政部