×
迪米特里斯·福斯卡基斯;艾奥尼斯·恩祖弗拉斯;康斯坦蒂诺斯·佩拉基斯

广义线性模型的功率期望后验先验。 （英语） Zbl 1407.62275号

贝叶斯分析。 13，第3期，721-748（2018）.
概要：功率期望后验（PEP）先验提供了一个客观、自动、一致和节约的模型选择过程。同时，它解决了由于使用假想数据而引起的概念和计算问题。也就是说，（i）它不需要选择所有可能的最小虚样本并求平均值，（ii）它减少了虚数据对后验分布的影响。这些属性允许在需要时进行大样本近似，以减少更复杂模型下的计算负担。在这项工作中，我们通过引入两个新的政治公众人物定义来概括政治公众人物方法的适用性，重点是广义线性模型（GLM）的框架，这两个定义实际上适用于任何一般模型设置。引入了调节虚数据贡献的功率参数的超前验扩展。我们进一步研究了预测匹配和模型选择一致性的有效性，为前者提供了分析证据，为后者提供了实证支持。为了估计后验模型和包含概率，我们引入了一种基于Gibbs的无调谐变量选择采样器。考虑了几个仿真场景和一个实际例子，以评估所提方法与基于（g）-先验混合的其他常用方法相比的性能。结果表明，GLM-PEP先验在识别稀疏和简约模型公式方面更有效。

引用于11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
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：

预期后验先验;\（g）-之前;广义线性模型;超\（g\）先验;虚数据;客观贝叶斯模型选择;功率前置器

软件：

EMVS公司
PDF格式BibTeX公司 XML格式引用
\textit{D.Fouskakis}等人，贝叶斯分析。13，第3号，721--748（2018；Zbl 1407.62275）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Bayarri，M.J.、Berger，J.O.、Forte，A.和GarcíA-Donato，G.（2012年）。“贝叶斯模型选择标准及其在变量选择中的应用”，《统计年鉴》，40:1550-1577·Zbl 1257.62023号 ·doi:10.1214/12-AOS1013
[2] Berger，J.O.和Pericchi，L.R.（1996a）。“线性模型的内在贝叶斯因子”，载于J.Bernardo、J.Berger、A.Dawid和A.Smith编辑的《贝叶斯统计》第5卷，第25–44页。牛津大学出版社。
[3] Berger，J.O.和Pericchi，L.R.（1996b）。“模型选择和预测的内在贝叶斯因子”，《美国统计协会期刊》，91:109-122·Zbl 0870.62021号 ·doi:10.1080/01621459.1996.10476668
[4] Bernardo，J.和Smith，A.（2000年）。贝叶斯理论，第二版。英国奇切斯特：Wiley·Zbl 0943.62009号
[5] Casella，G.和Moreno，E.（2006年）。“客观贝叶斯变量选择”，《美国统计协会杂志》，101:157-167·Zbl 1118.62313号 ·doi:10.1198/0162145050000000646
[6] Chen，M.、Ibrahim，J.G.和Shao，Q.-M.（2000）。广义线性模型的幂先验分布〉，《统计规划与推断杂志》，84:121–137·Zbl 0971.62036号 ·doi:10.1016/S0378-3758（99）00140-8
[7] Chen，M.-H.、Huang，L.、Ibrahim，J.G.和Kim，S.（2008）。“具有共轭先验的广义线性模型的贝叶斯变量选择和计算”，《贝叶斯分析》，3:585-614·Zbl 1330.62298号 ·doi:10.1214/08-BA323
[8] Chen，M.-H.和Ibrahim，J.G.（2003）。广义线性模型的共轭先验〉，《统计》，13:461-476·兹比尔1015.62074
[9] Consonni，G.和Veronese，P.（2008年）。“线性模型中先前规范的兼容性”，《统计科学》，23:332–353·Zbl 1329.62331号 ·doi:10.1214/08-STS258
[10] Dellaportas，P.、Forster，J.J.和Ntzoufras，I.（2002年）。“关于贝叶斯模型和使用MCMC的变量选择”，《统计与计算》，12:27–36·Zbl 1247.62086号 ·doi:10.1023/A:1013164120801
[11] Fouskakis，D.和Ntzoufras，I.（2013年）。“通过预期后验先验计算正常回归模型中的内在变量选择”，《统计与计算》，23:491-499·Zbl 1325.65023号 ·doi:10.1007/s11222-012-9325-9
[12] Fouskakis，D.和Ntzoufras，I.（2016）。“功率-条件预期先验：使用随机虚数据的（g）-先验进行变量选择”，《计算与图形统计杂志》，25:647-664·doi:10.1080/10618600.2015.1036996
[13] Fouskakis，D.、Ntzoufras，I.和Draper，D.（2015）。“高斯线性模型中变量选择的功率期望后验先验”，《贝叶斯分析》，10:75-107·Zbl 1335.62045号 ·doi:10.1214/14-BA887
[14] Fouskakis，D.、Ntzoufras，I.和Perrakis，K.（2016）。“正态回归模型中功率期望后验先验的变化”，arXiv:1609.06926v2·Zbl 1381.62230号 ·doi:10.1214/15-BJPS281
[15] Fouskakis，D.、Ntzoufras，I.和Perrakis，K.（2017年）。“广义线性模型的功率期望后验先验”的电子附录贝叶斯分析·Zbl 1392.62071号 ·doi:10.1214/17-BA1066
[16] Friel，N.和Pettitt，A.N.（2008）。“通过幂后验估计边际似然”，《皇家统计学会杂志：B辑（统计方法）》，70:589-607·Zbl 05563360号 ·doi:10.1111/j.1467-9868.2007.00650.x
[17] Gupta，M.和Ibrahim，J.G.（2009年）。“高维数据广义线性模型中贝叶斯分析的先验信息矩阵”，《中国统计》，19:1641-1663·Zbl 1191.62043号
[18] Hansen，M.和Yu，B.（2003）。“广义线性模型的最小描述长度模型选择标准”，讲义-专题系列，6:145-163。
[19] Holmes，C.C.和Held，L.（2006年）。“二元和多项式回归的贝叶斯辅助变量模型”，贝叶斯分析，145–168·兹比尔1331.62142 ·doi:10.1214/06-BA105
[20] Ibrahim，J.G.和Chen，M.H.（2000年）。回归模型的幂先验分布〉，《统计科学》，15:46–60。
[21] 易卜拉欣，J.G.和劳德，P.W.（1991）。“使用Jeffreys先验对广义线性模型进行贝叶斯分析”，《美国统计协会杂志》，86:981-986·Zbl 0850.62292号 ·doi:10.1080/01621459.1991.10475141
[22] Kass，R.E.和Wasserman，L.（1995）。“嵌套假设的参考贝叶斯检验及其与施瓦兹标准的关系”，《美国统计协会杂志》，90:928-934·Zbl 0851.62020号 ·doi:10.1080/01621459.1995.10476592
[23] Leon-Novelo，L.、Moreno，E.和Casella，G.（2012年）。“概率模型中的目标贝叶斯模型选择”，《医学统计学》，31:353–365。
[24] Li，Y.和Clyde，M.A.（2016）。“广义线性模型中g-prior的混合”，arXiv:1503.06913·Zbl 1381.62253号 ·doi:10.1007/s11425-014-4815-1
[25] Liang，F.、Paulo，R.、Molina，G.、Clyde，M.A.和Berger，J.O.（2008）。“贝叶斯变量选择的g-priors混合”，《美国统计协会期刊》，103:410-423·Zbl 1335.62026号 ·doi:10.1198/0162145000001337
[26] Madigan，D.和York，J.（1995年）。“离散数据的贝叶斯图形模型”，《国际统计评论》，63:215–232·Zbl 0834.62003号 ·doi:10.2307/1403615
[27] Maruyama，Y.和George，E.I.（2011年）。“具有广义先验的完全贝叶斯因子”，《统计年鉴》，39:2740–2765·Zbl 1231.62036号 ·doi:10.1214/11-AOS917
[28] Moreno，E.和Girón，F.J.（2008）。“线性回归中变量选择的贝叶斯客观程序比较”，测试，17:472-490·Zbl 1367.62070号 ·doi:10.1007/s11749-006-0039-1
[29] Murray，I.、Ghahramani，Z.和MacKay，D.J.C.（2006年）。“双重难解分布的MCMC”，载于《第22届人工智能不确定性年会论文集》（UAI-06），AUAI出版社，359-366。
[30] Ntzoufras，I.、Dellaportas，P.和Forster，J.J.（2003）。“广义线性模型的贝叶斯变量和链接确定”，《统计规划与推理杂志》，111:165-180·兹比尔1033.62026 ·doi:10.1016/S0378-3758（02）00298-7
[31] Pérez，J.（1998）。“模型比较的期望后验先验分布的发展”，美国普渡大学统计系博士论文。
[32] Pérez，J.M.和Berger，J.O.（2002）。“模型选择的预期后验先验分布”，《生物统计学》，89:491-511·Zbl 1036.62026号 ·doi:10.1093/biomet/89.3.491
[33] Perrakis，K.、Fouskakis，D.和Ntzoufras，I.（2015）。“使用功率-条件-预期-后验先验对广义线性模型进行贝叶斯变量选择”，见S.Frühwirth-Schnatter、A.Bitto、G.Kastner和A.Posekany编辑的《从方法到模型和应用的贝叶斯统计：来自BAYSM 2014的研究》，第126、59–73卷。施普林格数学与统计论文集。
[34] Ročková，V.和George，E.I.（2014）。“EMVS:贝叶斯变量选择的EM方法”，《美国统计协会期刊》，109:828-846·Zbl 1367.62049号 ·doi:10.1080/01621459.2013.869223
[35] Sabanés Bové，D.和Held，L.（2011年）。“广义线性模型的超（g）先验”，《贝叶斯分析》，6:387-410·Zbl 1330.62058号
[36] Scott，J.G.和Berger，J.O.（2010年）。“变量选择问题中的贝叶斯和经验贝叶斯多重性调整”，《统计年鉴》，38:2587-2619·Zbl 1200.62020年 ·doi:10.1214/10-AOS792
[37] Wang，X.和George，E.I.（2007）。“广义线性模型变量选择中的自适应贝叶斯准则”，《统计》，17:667-690·Zbl 1128.62081号
[38] Zellner，A.（1986年）。“关于使用G-先验分布评估先验分布和贝叶斯回归分析”，收录于Goel，P.和Zellner，A.（eds.），《贝叶斯推断和决策技术：Bruno de Finetti荣誉论文》，233-243。阿姆斯特丹：荷兰北部·Zbl 0655.62071号
[39] Zellner，A.和Siow，A.（1980）。“选定回归假设的后验奇数比（讨论）”·Zbl 0457.62004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。