×
Gonçalves，Flávio B。;马科斯·普拉特斯。;维克托·雨果·拉科斯

使用有限混合的重尾线性回归的稳健贝叶斯模型选择。 （英语） Zbl 1440.62267号

钎焊。J.概率。斯达。 34，第1期，第51-70页（2020年）.
如果\（Y=\mu+U^{-1/2}W，\）其中\（\mu\）是位置参数，\（W\sim N（0，\sigma^2），U\）是一个混合正r.v.，它是退化的或连续的pdf\（h（\cdot|\nu）除了正态模型外，其中基于\（h（\cdot|\nu）\）的选择探讨了\（U=1，\）两种类型的重尾密度：（a）Student-\（t\）分布和（b）Slash分布。对于三类NI分布中的每一类，提出了一种新的方法来在线性回归模型中执行贝叶斯模型，该方法基于分布的有限混合来建模潜在变量（U），其中混合的每个成分对应于基础类中的一个可能模型。使用每个模型的后验概率进行同步分析。通过MCMC进行推断。引入删失线性回归的一个推广。仿真表明了基于固定模型选择准则的分离分析方法的优势。给出了实际数据的示例。
审核人：奥列克桑德·库库什（基辅）

引用于4文件

MSC公司：

62J05型 线性回归；混合模型
62F03型 参数假设检验
62层35 鲁棒性和自适应程序（参数推理）
62纳米01 审查数据模型

关键词：

正常比例混合;学生-\（t\）;惩罚复杂性先验;MCMC公司
PDF格式BibTeX公司 XML格式引用
\textit{F.B.Gonçalves}等人，巴西。J.概率。Stat.34，No.1，51--70（2020；Zbl 1440.62267）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Andrews，D.F.和Mallows，S.L.（1974年）。按比例混合正态分布。英国皇家统计学会杂志，B辑36，99-102·Zbl 0282.62017号 ·doi:10.1111/j.2517-6161.1974.tb00989.x
[2] Basso，R.M.、Lachos，V.H.、Cabral，C.R.B.和Ghosh，P.（2010年）。基于偏态正态分布比例混合的稳健混合建模。计算统计与数据分析54，2926-2941·Zbl 1284.62193号 ·doi:10.1016/j.csda.2009.09.031
[3] Cabral，C.R.B.、Lachos，V.H.和Prates，M.O.（2012年）。使用偏正态独立分布的多元混合建模。计算统计与数据分析56，126-142·Zbl 1239.62058号 ·doi:10.1016/j.csda.2011.06.026
[4] Carlin，B.P.（2006）。关于缺失数据偏差信息标准的讨论意见。贝叶斯分析1675-676·Zbl 1331.62328号
[5] Chen，M.-H.（2006）。关于缺失数据偏差信息标准的讨论意见。贝叶斯分析1677-680·Zbl 1331.62331号
[6] Choy，S.T.B.和Chan，J.S.K.（2008）。统计建模中的比例混合分布。澳大利亚和新西兰统计杂志50，135-146·兹比尔1145.62006 ·doi:10.1111/j.1467-842X.2008.00504.x
[7] Cook，R.D.和Weisberg，S.（1994年）。回归图形简介。纽约：Wiley·Zbl 0925.62287号
[8] Dey，D.K.，Chen，M.H.和Chang，H.（1997）。非线性随机效应模型的贝叶斯方法。生物统计学53，1239-1252·Zbl 0911.62024号 ·doi:10.2307/2533493
[9] Fernandez，C.和Steel，M.F.J.（1999）。多元学生t回归模型：陷阱和推断。生物特征86，153-167·Zbl 0917.62020号 ·doi:10.1093/biomet/86.1153
[10] Fonseca，T.C.O.、Ferreira，M.A.R.和Migon，H.S.（2008）。目的对学生t回归模型进行贝叶斯分析。Biometrika公司，邮编：95325-333·Zbl 1400.62260号 ·doi:10.1093/biomet/asn001
[11] Galea，M.、Paula，G.A.和Cysneiros，F.J.A.（2005）。关于对称非线性模型的诊断。统计与概率快报73，459-467·Zbl 1071.62063号 ·doi:10.1016/j.spl.2005.04.033
[12] Galea，M.、Paula，G.A.和Uribe-Opazo，M.（2003）。单变量椭圆线性回归模型中的影响诊断。统计论文44，23-45·Zbl 1010.62066号 ·doi:10.1007/s00362-002-0132-9
[13] Garay，A.M.、Bolfarine，H.、Lachos，V.H.和Cabral，C.R.B.（2015）。正态分布比例混合截尾线性回归模型的贝叶斯分析。《应用统计学杂志》42，2694-2714·Zbl 1515.62043号
[14] Geisser，S.和Eddy，W.F.（1979年）。模型选择的预测方法（Corr:V75 p765）。《美国统计协会杂志》74，153-160·Zbl 0401.62036号 ·网址：10.1080/01621459.1979.10481632
[15] Gelman，A.、Hwang，J.和Vehtari，A.（2014）。了解贝叶斯模型的预测信息标准。统计与计算24997-1016·Zbl 1332.62090号 ·doi:10.1007/s11222-013-9416-2
[16] George，E.I.和McCulloch，R.E.（1993）。通过吉布斯采样选择变量。美国统计协会期刊85398-409。
[17] Geweke，J.（1992）。评估基于抽样的后力矩计算方法的准确性（椎间盘：P189-193）。贝叶斯统计，第4卷。第四届巴伦西亚国际会议记录（J.M.Bernardo、J.O.Berger、A.P.Dawid和A.F.M.Smith编辑）169-188。纽约：克拉伦登出版社[牛津大学出版社]。
[18] Gonçalves，F.B.、Gamerman，D.和Soares，T.M.（2013）。项目反应理论中的同时多因素DIF分析和检测。计算统计与数据分析59、144-160·Zbl 1400.62005年 ·doi:10.1016/j.csda.2012.10.011
[19] Gonçalves，F.B.，Prates，M.O.和Lachos，V.H.（2020年）。补充“使用有限混合的重尾线性回归的稳健贝叶斯模型选择”https://doi.org/10.1214/18-BJPS417SUPP。 ·Zbl 1440.62267号
[20] Kullback，S.和Leibler，R.A.（1951年）。关于信息和充分性。《数理统计年鉴》22，79-86·Zbl 0042.38403号 ·doi:10.1214/aoms/1177729694
[21] Lachos，V.H.、Angolini，T.和Abanto-Valle，C.（2011年）。重尾分布下测量误差模型的估计和局部影响分析。统计论文52，567-590·Zbl 1434.62152号 ·doi:10.1007/s00362-009-0270-4
[22] Lachos，V.H.、Ghosh，P.和Arellano-Valle，R.（2010年）。偏正态独立线性混合模型的基于似然的推理。中国统计局20，303-322·Zbl 1186.62071号
[23] Lange，K.L.、Little，R.和Taylor，J.（1989）。使用t分布的稳健统计建模。美国统计协会杂志84，881-896。
[24] Lange，K.L.和Sinsheimer，J.S.（1993年）。正态/独立分布及其在稳健回归中的应用。计算与图形统计杂志2175-198。
[25] Lin，J.-G.和Cao，C.-Z.（2013）。重尾分布下带复制的测量误差模型的估计。计算统计学28，809-829·Zbl 1305.65053号 ·doi:10.1007/s00180-012-0330-4
[26] Martins，T.G.和Rue，H.（2013）。灵活性参数优先：学生的t情况。预印本2013年8月，挪威科技大学。
[27] Mroz，T.A.（1987）。已婚女性工作时间的经验模型对经济和统计假设的敏感性。《计量经济学》55，765-799。
[28] Osorio，F.、Paula，G.A.和Galea，M.（2007年）。具有纵向结构的椭圆线性模型的局部影响评估。计算统计与数据分析51，4354-4368·Zbl 1162.62367号 ·doi:10.1016/j.csda.2006.06.004
[29] Pinheiro，J.C.、Liu，C.和Wu，Y.N.（2001）。使用多元t分布的线性混合效应模型中鲁棒估计的有效算法。计算与图形统计杂志10，249-276。
[30] Raftery，A.、Madigan，D.和Volinsky，C.T.（1995年）。在生存分析中考虑模型的不确定性可以提高预测性能。贝叶斯统计，第5卷，323-349。纽约：牛津大学出版社。
[31] Roberts，G.O.、Gelman，A.和Gilks，W.R.（1997）。随机行走Metropolis算法的弱收敛性和最优尺度。应用概率年鉴7110-120·Zbl 0876.60015号 ·doi:10.1214/aoap/1034625254
[32] Rosa，G.、Padovani，C.和Gianola，D.（2003年）。具有正态/独立分布和贝叶斯mcmc实现的鲁棒线性混合模型。《生物医学杂志》45，573-590·Zbl 1441.62474号
[33] Simpson，D.、Rue，H.、Riebler，A.、Martins，T.G.和Sörbye，S.H.（2017年）。惩罚模型组件复杂性：构建先验的原则性、实用方法。统计科学32，1-28·Zbl 1442.62060号 ·doi:10.1214/16-STS576
[34] Spiegelhalter，D.，Best，N.，Carlin，B.和Van Der Linde，A.（2002年）。模型复杂度和拟合度的贝叶斯度量。《皇家统计学会杂志》，B辑64，583-639·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353
[35] Steel，M.F.J.和Fernandez，C.（1999）。多元学生t回归模型：陷阱和推断。生物特征86，153-168·Zbl 0917.62020号 ·doi:10.1093/biomet/86.1153
[36] Tierney，L.（1998年）。关于一般状态空间的Metropolis-Hastings核的注记。应用概率年鉴8，1-9·Zbl 0935.60053号 ·doi:10.1214/aoap/1027961031
[37] Watanabe，S.（2010年）。奇异学习理论中贝叶斯交叉验证的渐近等价性和广泛适用的信息准则。机器学习研究杂志11，3571-3594·Zbl 1242.62024号
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。