×

多级结构加性回归。 (英语) Zbl 1325.62179号

摘要:具有结构化加性预测器的模型为复杂回归建模提供了一个非常广泛和丰富的框架。它们可以同时处理非线性协变量效应和时间趋势、单位或簇特定的异质性、空间异质性以及不同类型协变量之间的复杂交互作用。在本文中,我们提出了一种具有结构可加性预测器的分层或多级回归模型,其中特定非线性项的回归系数可能服从另一个具有结构可加性预测仪的回归模型。从这个意义上讲,该模型由一系列复杂结构的可加回归模型组成。该模型可被视为多级模型的扩展版本,该模型在层次结构的每一层都具有非线性协变量项。该模型框架也是基于乘性随机效应的广义随机边坡建模的基础。推理是完全贝叶斯的,基于马尔可夫链蒙特卡罗模拟技术。我们对几种高效的采样方案进行了深入的描述,这些方案允许在几分钟(通常甚至几秒钟)内估计具有多个层次和大量观测值的复杂模型。我们用大样本和三个层次证明了该方法在儿童营养不良综合应用中的实用性。

MSC公司:

62M40型 随机字段;图像分析
2015年1月62日 贝叶斯推断
65C60个 统计中的计算问题(MSC2010)
65二氧化碳 蒙特卡罗方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] Albert,J.,Chib,S.:二进制和多光子响应数据的贝叶斯分析。《美国统计协会期刊》88,669–679(1993)·Zbl 0774.62031号 ·doi:10.1080/01621459.1993.10476321
[2] Belitz,C.,Lang,S.:结构化加性回归模型中变量和平滑参数的同时选择。计算。统计数据分析。53, 61–81 (2008) ·Zbl 1452.62029 ·doi:10.1016/j.csda.2008.05.032
[3] Brezger,A.,Lang,S.:基于贝叶斯P样条的广义结构加性回归。计算。统计数据分析。50, 967–991 (2006) ·Zbl 1431.62308号 ·doi:10.1016/j.csda.2004.10.011
[4] Chan,D.,Kohn,R.,Nott,D.,Kirby,C.:回归模型中均值和方差函数的局部自适应半参数估计。J.计算。图表。Stat.15,915–936(2006)·doi:10.1198/106186006X157441
[5] Cottet,R.、Kohn,R.和Nott,D.:半参数过分散广义线性模型中的变量选择和模型平均。《美国统计协会期刊》103,661–671(2008)·Zbl 1469.62311号 ·doi:10.1198/0162145000000346
[6] Davis,T.A.:稀疏线性系统的直接方法。SIAM,费城(2006)·Zbl 1119.65021号
[7] 艾尔斯,P.H.C.,马克思,B.D.:使用B样条和惩罚可能性的灵活平滑。统计科学。11, 89–121 (1996) ·Zbl 0955.62562号 ·doi:10.1214/ss/1038425655
[8] Fahrmeir,L.,Kneib,T.,Lang,S.:时空数据的惩罚结构加性回归:贝叶斯观点。统计正弦。14, 731–761 (2004) ·Zbl 1073.62025号
[9] Fahrmeir,L.,Lang,S.: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.R.Stat.Soc.,塞尔维亚。C、 申请。《法律总汇》第50卷,201–220页(2001年)·Zbl 04565472号 ·doi:10.1111/1467-9876.00229
[10] Frühwirth-Schnatter,S.,Frü)hwirth,R.:二元和多项式logit模型的数据增强和MCMC。收录于:Kneib,T.,Tutz,G.(编辑)《统计建模和回归结构:纪念路德维希·法尔梅尔的节日》,第111-132页。柏林施普林格出版社(2010年)
[11] Frühwirth-Schnatter,S.,Frü)hwirth,R.,Held,L.,Rue,H.:非高斯数据分层模型的改进辅助混合采样。统计计算。19, 479–492 (2009) ·数字对象标识代码:10.1007/s11222-008-9109-4
[12] Frühwirth-Schnatter,S.,Wagner,H.:高斯和非高斯数据随机截距建模的贝叶斯变量选择。收录人:Bernardo,J.M.,Bayarri,M.J.,Berger,J.O.,Dawid,A.P.,Heckerman,D.,Smith,A.F.M.,West,M.(编辑)Bayesian Statistics,第9卷,第165-200页。牛津大学出版社,伦敦(2011)
[13] Gamerman,D.,Moreira,A.R.B.,Rue,H.:空间变量回归模型:规范和模拟。计算。统计数据分析。42513–533(2003年)·兹比尔1429.62428 ·doi:10.1016/S0167-9473(02)00211-6
[14] Gelfand,A.E.:层次模型中方差参数的先验分布。贝叶斯分析。1, 515–534 (2006) ·Zbl 1331.62139号 ·doi:10.1214/06-BA117A
[15] Hastie,T.,Tibshirani,R.:变系数模型。J.R.Stat.Soc.B 55、757–796(1993)·Zbl 0796.62060号
[16] Heinzl,F.,Kneib,T.,Fahrmeir,L.:具有Dirichlet过程混合和P样条先验的可加混合模型。AStA高级统计分析。96, 47–68 (2012) ·doi:10.1007/s10182-011-0161-6
[17] Hennerfeind,A.、Brezger,A.、Fahrmeir,L.:地质加性生存模型。《美国统计协会期刊》101,1065–1075(2006)·Zbl 1120.62331号 ·doi:10.1198/016214500000348
[18] Holmes,C.C.,Held,L.:二元和多项式回归的贝叶斯辅助变量模型。贝叶斯分析。1, 145–168 (2006) ·Zbl 1331.62142号 ·doi:10.1214/06-BA105
[19] Jullion,A.,Lambert,P.:空间自适应贝叶斯P样条模型中粗糙度惩罚先验分布的稳健规范。计算。统计数据分析。51, 2542–2558 (2007) ·Zbl 1161.62340号 ·doi:10.1016/j.csda.2006.09.027
[20] Kamman,E.E.,Wand,M.P.:地质添加剂模型。J.R.Stat.Soc.,塞尔维亚。C、 申请。统计52,1-18(2003年)·Zbl 1111.62346号 ·doi:10.1111/1467-9876.00385
[21] Klasen,S.:撒哈拉以南非洲的营养、健康和死亡率:是否存在性别偏见?J.Dev.Stud.32,913–933(1996)·doi:10.1080/00220389608422446
[22] Krivobokova,T.,Kneib,T..,Claeskens,G.:惩罚样条估计量的同时置信带。《美国统计协会期刊》105、852–863(2010)·Zbl 1392.62094号 ·doi:10.1198/jasa.2010.tm09165
[23] Lang,S.,Brezger,A.:贝叶斯P样条。J.计算。图表。《统计》第13卷,第183–212页(2004年)·doi:10.1198/1061860043010
[24] Lang,S.,Steiner,W.,Wechselberger,P.:在商店销售模型中调节异质性和功能灵活性:贝叶斯半参数方法。市场营销学修订版(2012)
[25] Panagiotelis,A.,Smith,M.:高维加性模型中半参数函数的贝叶斯识别、选择和估计。《经济学杂志》。143291–316(2008年)·Zbl 1418.62166号 ·doi:10.1016/j.jeconom.2007.10.003
[26] Papaspiliopoulos,O.,Roberts,G.O.,Sköld,M.:层次模型参数化的一般框架。统计科学。22, 59–73 (2007) ·Zbl 1246.62195号 ·doi:10.1214/0883423070000014
[27] Park,T.,Casella,G.:贝叶斯拉索。《美国统计协会期刊》103、681–686(2008)·Zbl 1330.62292号 ·doi:10.1198/016214500000037
[28] Rigby,R.A.,Stasinopoulos,D.M.:位置、规模和形状的广义加性模型。J.R.Stat.Soc.,塞尔维亚。C、 申请。Stat.54,507–554(2005年)·兹比尔1490.62201 ·doi:10.1111/j.1467-9876.2005.00510.x
[29] Rue,H.,Held,L.:高斯马尔可夫随机场。查普曼&霍尔/CRC出版社,伦敦/CRC出版社(2005)·邮编1093.60003
[30] Rue,H.,Martino,S.,Nicolas,C.:使用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断。J.R.Stat.Soc.B 71、319–392(2009年)·Zbl 1248.62156号 ·doi:10.1111/j.1467-9868.2008.00700.x
[31] Ruppert,D.:为缺陷样条线选择节点数。J.计算。图表。统计11,735–757(2002年)·doi:10.1198/106186002853
[32] Ruppert,D.,Wand,M.P.,Carroll,R.J.:半参数回归。剑桥大学出版社,剑桥(2003)·Zbl 1038.62042号
[33] Scheipl,F.,Fahrmeir,L.,Kneib,T.:基于尖峰和单峰先验的结构化加性回归模型中的函数选择。J.Am.Stat.Assoc.(2012年出版)。doi:10.1080/01621459.2012.737742·Zbl 1258.62082号
[34] Smith,M.,Kohn,R.:使用贝叶斯变量选择的非参数回归。《经济学杂志》。75317–343(1996年)·Zbl 0864.62025号 ·doi:10.1016/0304-4076(95)01763-1
[35] Smith,M.,Kohn,R.:非参数二元回归的贝叶斯方法。《美国统计协会杂志》92,1522-1535(1997)·Zbl 0912.62052号 ·doi:10.1080/01621459.1997.10473674
[36] Somerfelt,E.,Arnold,F.:幼儿营养状况的性别差异。收录于:联合国(编辑)《太年轻了,不能死》,第133-153页。联合国,纽约(1999年)
[37] Spiegelhalter,D.J.,Best,N.G.,Carlin,B.P.,van der Linde,A.:模型复杂性和拟合的贝叶斯度量。J.R.Stat.Soc.B 65,583–639(2002)·Zbl 1067.62010年 ·数字对象标识代码:10.1111/1467-9868.00353
[38] Subramanyam,M.A.,Kawachi,I.,Berkman,L.F.,Subramanian,S.V.:经济增长与印度儿童营养不良减少相关吗?《公共科学图书馆·医学》第8期,第1-15页(2011年)·doi:10.1371/journal.pmed.1000424
[39] 世界卫生组织:全球儿童生长和营养不良数据库。世卫组织,营养促进健康与发展部,日内瓦(2002年)
[40] Wood,S.N.:薄板回归样条曲线。J.R.Stat.Soc.B 65,95–114(2003)·Zbl 1063.62059号 ·数字对象标识代码:10.1111/1467-9868.00374
[41] Wood,S.N.:广义加性模型:R.Chapman和amp;霍尔,伦敦(2006)·Zbl 1087.62082号
[42] Yue,Y.,Speckman,P.,Sun,D.:贝叶斯自适应样条平滑的先验知识。Ann.Inst.Stat.数学。64, 577–613 (2012) ·Zbl 1237.62037号 ·doi:10.1007/s10463-010-0321-6
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。