×
查拉兰波斯·查尼亚利迪斯;Evers，Ludger公司;特蕾莎·奈克里厄斯;阿戈斯蒂诺·诺比尔

COM-Poisson回归模型的有效贝叶斯推断。 （英语） Zbl 1384.62266号

统计计算。 28，第3号，595-608（2018）.
概要：COM-Poisson回归是一种越来越流行的计数数据模型。其主要优点是，它允许分别建模计数的平均值和方差，从而允许相同的协变量以不同的方式影响响应变量的平均水平和可变性。COM-Poisson分布使用的一个关键限制因素是归一化常数的计算：其准确评估可能耗时且不总是可行的。在估计贝叶斯COM-Poisson回归的背景下，我们通过使用交换算法（MCMC方法，适用于采样模型（似然）只能计算到归一化常数的情况）来规避这个问题。该算法需要从采样模型中提取数据，在COM-Poisson分布的情况下，可以使用拒绝采样有效地进行采样。我们通过一个模拟和两个具有不同分散程度的真实世界数据集。

引用于1审查
引用于7文件

MSC公司：

62J12型 广义线性模型（逻辑模型）
2015年1月62日 贝叶斯推断
60J22型 马尔可夫链中的计算方法

关键词：

贝叶斯统计;Conway-Maxwell-Poisson回归;count数据;交换算法;马尔科夫蒙特卡洛;拒绝抽样

软件：

Compoisson公司;化学需氧量;对;SAS公司;百万立方厘米地块;SAS/ETS系统;COMPoissonReg公司
PDF格式BibTeX公司 XML格式引用
\textit{C.Chanialidis}等人，《统计计算》。28，第3号，595--608（2018；Zbl 1384.62266）
全文： 内政部

参考文献：

[1] Andrieu，C.，Roberts，G.O.：有效蒙特卡罗计算的伪边缘方法。Ann.Stat.37，697-725（2009年）·Zbl 1185.60083号
[2] Chanalidis，C.，Evers，L.，Neocleous，T.，Nobile，A.：MCMC中的回顾性抽样及其在COM-poisson回归中的应用。统计数据3（1），273-290（2014）。doi:10.1002/sta4.61·doi:10.1002/sta4.61
[3] Conway，R.W.，Maxwell，W.L.：服务率依赖于状态的排队模型。《印度工程杂志》第12卷，第132-136页（1962年）
[4] Curtis，S.M.：mcmcplots：从MCMC输出创建绘图。http://CRAN.R-project.org/package=mcmcplots，r包版本0.4.2（2015）
[5] Dunn，J.：复合：Conway-Maxwell-Poisson分布。https://CRAN.R-project.org/package=compoisson，r包版本0.3（2012）
[6] Gelman，A.，Rubin，D.B.：使用多序列的迭代模拟推断。统计科学。7(4), 457-472 (1992) ·Zbl 1386.65060号 ·doi:10.1214/ss/117701136
[7] Geyer，C.J.：马尔可夫链蒙特卡罗最大似然。摘自：《计算科学与统计学报：第23届接口研讨会》，北美接口基金会，第156-161页（1991）
[8] Gilks，W.R.，Wild，P.：吉布斯采样的自适应抑制采样。申请。《美国联邦法律大全》第42卷第337-348页（1992年）·Zbl 0825.62407号
[9] Guikema，S.D.，Coffelt，J.P.：风险分析的灵活计数数据回归模型。风险分析。28, 213-223 (2008). 数字对象标识代码：10.1111/j.1539-6924.2008.01014.x·数字对象标识代码：10.1111/j.1539-6924.2008.01014.x
[10] Long，J.S.：性别差异科学的起源。社会力量68（4），1297-1315（1990）·doi:10.1093/sf/68.41297
[11] Lyne，A.M.，Girolma，M.，Atchadé，Y.，Strathmann，H.，Simpson，D.：关于具有双重难处理可能性的贝叶斯推断的俄罗斯轮盘赌估计。统计科学。30(4), 443-467 (2015). doi:10.1214/15-STS523·Zbl 1426.62092号 ·doi:10.1214/15-STS523
[12] Minka，T.P.，Shmueli，G.，Kadane，J.B.，Borle，S.，Boatwright，P.：使用COM-poisson分布进行计算。CMU统计部技术代表（2003年）·Zbl 1331.62086号
[13] Mitchell，T.J.，Beauchamp，J.J.：线性回归中的贝叶斯变量选择。《美国统计协会期刊》83（404），1023-1032（1988）·Zbl 0673.62051号 ·doi:10.1080/01621459.1988.10478694
[14] Möller，J.，Pettitt，A.N.，Reeves，R.，Berthelsen，K.K.：一种有效的马尔可夫链蒙特卡罗方法，用于具有难以处理的归一化常数的分布。《生物特征》93（2），451-458（2006）。doi:10.1093/biomet/93.2.451·Zbl 1158.62020号 ·doi:10.1093/biomet/93.2.451
[15] Murray，I.、Ghahramani，Z.、MacKay，D.J.C.：双重难处理分布的MCMC。摘自：《第22届人工智能不确定性年会论文集》（UAI-06），AUAI出版社，第359-366页（2006）·Zbl 1426.62092号
[16] Park，T.，Casella，G.：贝叶斯套索。《美国统计协会期刊》103（482），681-686（2008）。doi:10.1198/016214500000037·Zbl 1330.62292号 ·doi:10.1198/016214500000037
[17] Plummer，M.，Best，N.，Cowles，K.，Vines，K.：Coda：MCMC的收敛诊断和输出分析。R新闻6（1），7-11（2006）http://CRAN.R-project.org/doc/Rnews/
[18] R核心团队：R：统计计算的语言和环境。奥地利维也纳统计计算R基金会（2015年）网址：http://www.R-project.org/
[19] SAS Institute Inc（2014）SAS/ETS 13.2用户指南。北卡罗来纳州卡里，网址：http://www.sas.com/ ·Zbl 1490.62058号
[20] Sellers，K.，Lotze，T.：COMPoissonReg:Conway-Maxwell Poisson（COM-Poisson）回归。(2015) https://CRAN.R-project.org/package=COMPoissonReg，r包版本0.3.5·Zbl 1158.62020号
[21] Sellers，K.F.，Shmueli，G.：计数数据的灵活回归模型。附录申请。《美国联邦法律大全》第4（2）卷，第943-961页（2010年）。doi:10.1214/09-aoas306·Zbl 1194.62091号 ·doi:10.1214/09-aoas306
[22] Shmueli，G.，Minka，T.P.，Kadane，J.B.，Borle，S.，Boatwright，P.：拟合离散数据的有用分布：Conway-Maxwell-Poisson分布的恢复。J.R.Stat.Soc.:序列号。C 54（1），127-142（2005）。文件编号：10.1111/j.1467-9876.2005.00474.x·Zbl 1490.62058号 ·文件编号：10.1111/j.1467-9876.2005.00474.x
[23] 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.:序列号。B 64（4），583-639（2002）。数字对象标识代码：10.1111/1467-9868.00353·兹比尔1067.62010 ·doi:10.111/1467-9868.00353
[24] Wei，C.，Murray，I.：双难推理的马尔可夫链截断。（2016）ArXiv电子版ArXiv：1610.05672
[25] Winkelmann，R.：计数数据模型中的持续时间依赖性和离散性。J.总线。经济。《美国联邦法律大全》第13（4）卷第467-474页（1995年）
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。