×

兹马思-数学第一资源

潜在变量模型的贝叶斯比较:条件可能性与边际可能性。(英语) Zbl 1431.62551号
摘要:对于具有潜在变量(或随机效应)的模型,典型的贝叶斯方法包括直接抽样潜在变量和模型参数。在用于模型定义的高级软件代码中(例如,使用bug、jag、Stan),因此将可能性指定为取决于潜在变量的条件。这可以引导研究人员通过条件似然法进行模型比较,其中潜在变量被视为模型参数。然而,在其他情况下,典型的模型比较涉及边际可能性,其中潜在变量被整合出来。这种区别常常被忽视,尽管事实上,它可能会对利益的比较产生很大的影响。本文对这些问题进行了澄清和说明,重点对心理测量学建模中的条件偏差和边缘偏差信息准则(DICs)和渡边赤池光一信息准则(WAICs)进行了比较。条件/边际区别对应于模型是否应该预测数据中的集群还是新集群(其中“集群”通常对应于更高级别的单位,如人或学校)。相应地,我们证明了边缘WAIC对应于离开一个簇的交叉验证,而条件WAIC对应于遗漏一个单元。这些结果导致了对潜在变量模型一般应用准则的建议。

理学硕士:
62页15页 统计学在心理学中的应用
B1620号 信息论论题的统计方面
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 塞勒克斯,G。;福布斯,F。;罗伯特,CP;Titterington,DM,缺失数据模型的偏差信息准则,贝叶斯分析,1651-673,(2006)·Zbl 1331.62329号
[2] 马萨诸塞州达席尔瓦;巴赞,JL;Huggins-Manley,AC,《使用贝叶斯模型比较准则的敏感性分析和在多个备选IRT模型之间的选择》,《统计模拟与计算通信》,48601-620,(2019年)
[3] Boeck,P.,随机项目IRT模型随机项目IRT模型,心理测量学,73533-559,(2008)·Zbl 1284.62699号
[4] MJ.Denwood,runjags:提供接口实用程序、模型模板、并行计算方法和JAGS中MCMC模型附加分布的R包,统计软件杂志,71,1-25,(2016)
[5] Efron,B.,《预测规则的表观误差率有多大偏差?》,美国统计协会杂志,81461-470,(1986)·Zbl 0621.62073
[6] 福克斯,J。P(2010年)。贝叶斯项目反应建模:理论与应用. 纽约,纽约。
[7] 弗尔,D。C(2017年)。解释性项目反应模型的Bayesian和frequentist交叉验证方法. (未发表的博士论文)。加利福尼亚大学伯克利分校。
[8] 盖尔凡德,青铜币;沙湖,SK;卡林,BP,正态线性混合模型的有效参数化,生物计量学,82379-488,(1995)·邮政编码:0832.62064
[9] 盖尔曼,A.,卡林,J。B、 ,斯特恩,H。S、 ,邓森,D。B、 ,维塔里,A.,鲁宾,D。B、 ,等人(2013年)。贝叶斯数据分析(第三版)。纽约:查普曼和霍尔/CRC。
[10] 盖尔曼,A。;黄俊杰。;Vehtari,A.,理解贝叶斯模型的预测信息标准,统计与计算,24997-1016,(2014)·Zbl 1332.62090
[11] 盖尔曼,A。;雅库林,A。;皮托,MG;Su,YS,logistic和其他回归模型的弱信息默认先验分布,应用统计学年鉴,21360-1383,(2008)·Zbl 1156.62017
[12] 盖尔曼,A。;孟,XL;Stern,H.,通过已实现差异对模型适用性的后验预测性评估,中国统计局,6733-807,(1996)·Zbl 0859.62028
[13] 盖尔曼,A。;鲁宾,DB,《利用多序列进行迭代模拟的推论》(附讨论),统计科学,7457-511,(1992)
[14] 格罗诺,昆士兰;Wagenmakers,EJ,Bayesian的局限性为模型选择留出一个交叉验证,计算大脑与行为,2,1-11,(2018)
[15] 锄地,JA;麦迪根,D。;Raftery,青铜币;《贝叶斯模型平均:教程》,统计科学,14382-417,(1999)·Zbl 1059.62525
[16] 康,T。;科恩,AS;宋海杰,多器官项目模型选择指标,应用心理医学,35499-518,(2009)
[17] 卡普兰,D(2014年)。社会科学的贝叶斯统计. 纽约,纽约:吉尔福德出版社。
[18] Lancaster,T.,1948年以来的附带参数问题,计量经济学杂志,95391-413,(2000)·Zbl 0967.62099
[19] Levy,R.和Mislevy,R。J(2016年)。贝叶斯心理测量模型. 佛罗里达州博卡拉顿:查普曼和霍尔。
[20] 李,F。;科恩,AS;金,什;赵,SJ,混合二分法IRT模型的模型选择方法,应用心理学测量,33353-373,(2009)
[21] 李,L。;魁,S。;Feng,CX,结合IS和WAIC的贝叶斯潜在变量模型中的近似交叉验证预测评估,统计与计算,26881-897,(2016)·Zbl 06604171
[22] Lu,ZH;周,山猫;Loken,E.,《因素分析模型的贝叶斯模型选择方法与频率选择方法的比较》,心理学方法,22,361-381,(2017)
[23] Lunn,D.,Jackson,C.,Best,N.,Thomas,A.和Spiegelhalter,D(2012年)。错误书:贝叶斯分析的实用介绍. 纽约,纽约:查普曼和霍尔/CRC。
[24] 伦恩,D。;托马斯,A。;贝斯特,N。;Spiegelhalter,D.,WinBUGS-a Bayesian建模框架:概念、结构和可扩展性,统计与计算,10325-337,(2000)
[25] 罗,U。;Al Harbi,K.,LOO和WAIC作为IRT模型选择方法的表现,心理测试和评估模型,59183-205,(2017)
[26] 马歇尔,欧共体;Spiegelhalter,DJ,识别贝叶斯层次模型中的异常值:基于模拟的方法,贝叶斯分析,2409-444,(2007)·Zbl 1331.62032
[27] 麦克瑞斯,R(2015年)。统计反思:一个贝叶斯过程,并以R和Stan为例. 纽约,纽约:查普曼和霍尔/CRC。
[28] 欧洲共同体梅克尔;Rosseel,Y.,blavaan:通过参数扩展的贝叶斯结构方程模型,统计软件杂志,85,1-30,(2018)
[29] Millar,RB,使用DIC和Bayes因子对过度分散计数数据的分层贝叶斯模型的比较,生物特征学,65962-969,(2009)·Zbl 1172.62054
[30] Millar,RB,使用WAIC和交叉验证的分层模型预测损失的条件与边际估计,统计与计算,28375-385,(2018)·Zbl 1384.62093号
[31] Mislevy,RJ,项目反应模型中的Bayes模态估计,心理测量学,51177-195,(1986)·Zbl 0596.62114
[32] 穆森,B。;Aspouhov,T.,《贝叶斯结构方程建模:实质理论的更灵活表示》,《心理学方法》,第17313-335页,(2012年)
[33] 纳瓦罗,D.,《魔鬼与深海:科学判断与统计模型选择之间的紧张关系》,《计算大脑与行为》,第2期,第28-34页,(2018年)
[34] 纳伊勒,JC;Smith,AF,《有效计算后验分布方法的应用》,皇家统计学会期刊C(应用统计学),31214-225,(1982)·Zbl 0521.65017
[35] 内曼,J。;《基于部分一致性观测的一致性估计》,经济计量学,16,1-32,(1948)·Zbl 0034.07602
[36] 《后边缘模式》,第333-9页·Zbl 0332.62030
[37] Piironen,J。;Vehtari,A.,模型选择、统计和计算的贝叶斯预测方法比较,27711-735,(2017)·Zbl 06737693
[38] 皮涅罗,JC;《非线性混合效应模型中对数似然函数的逼近》,计算图形学与统计学杂志,4,12-35,(1995)
[39] 普卢默,M(2003年)。JAGS:一个使用Gibbs抽样分析贝叶斯图形模型的程序。以K为单位。霍尼克,莱希,F.&泽利斯,A(编辑),第三届分布式统计计算国际研讨会论文集.
[40] Plummer,M.,贝叶斯模型比较的惩罚损失函数,生物统计学,9523-539,(2008)·Zbl 1143.62003
[41] 拉贝·赫斯基,S。;斯克朗达尔,A。;Pickles,A.,具有嵌套随机效应的有限和离散因变量模型的最大似然估计,计量经济学杂志,128301-323,(2005)·Zbl 1336.62079
[42] 拉夫德里,A。E、 和刘易斯。百万(1995年)。迭代次数、收敛诊断和通用Metropolis算法. 伦敦:查普曼和霍尔。
[43] 南卡罗登布什。W、 和布莱克,A。美国(2002年)。层次线性模型:应用和数据分析方法(第二版)。加利福尼亚州千橡树:鼠尾草。
[44] Rosseel,Y.,Lavan:结构方程建模的R包,统计软件杂志,48,1-36,(2012)
[45] 宋,X。Y、 和李,S。是的(2012年)。基本和高级贝叶斯结构方程模型:在医学和行为科学中的应用. 英国奇切斯特:威利。
[第四十六条] 斯皮格尔哈尔特,DJ;最佳,NG;卡林,英国石油公司;林德,A.,模型复杂性和拟合的贝叶斯度量,皇家统计学会期刊系列,B64583-639,(2002)·Zbl 1067.62010
[47] 斯皮尔伯格(1988年)。状态-特质-愤怒-表情清单研究版[电脑软件手册]. 佛罗里达州:敖德萨。
[48] 斯坦开发团队(2014年)。斯坦建模语言用户指南和参考手册,2.5.0版[计算机软件手册]。http://mc stan.org/。
[49] 特雷维萨尼,M。;Gelfand,AE,预期边际对数似然之间的不平等,以及基于似然的模型复杂性和比较措施的影响,加拿大统计杂志,31239-250,(2003)·Zbl 1042.62027
[50] 范斯蒂兰特,K(2000年)。情境化人格心理学的形式模型(未发表博士论文). 比利时:鲁汶鲁汶大学。
[51] Vehtari,A.,Gelman,A.和Gabry,J(2016年)。loo:贝叶斯模型的有效漏检交叉验证和WAIC。R包版本0.1.6。https://github.com/stan-dev/loo。·Zbl 06737719
[52] 维塔里,A。;盖尔曼,A。;Gabry,J.,《使用缺一不可交叉验证和WAIC的实用贝叶斯模型评估》,统计与计算,271413-1432,(2017)·Zbl 06737719
[53] 维塔里,A。;单宁,T。;托尔瓦南,V。;西弗拉,T。;Winther,O.,Gaussian Potential variable models的Bayes leave one-out交叉验证近似,机器学习研究杂志,17,1-38,(2016)·Zbl 1370.62020
[54] 维塔里,A。;辛普森,DP;姚,Y。;Gelman,A.,“贝叶斯模型选择的局限性遗漏一个交叉验证”,计算大脑与行为,2,22-27,(2018)
[55] Watanabe,S.,奇异学习理论中Bayes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,113571-3594,(2010)·Zbl 1242.62024
[56] White,IR,simsum:模拟研究分析,包括蒙特卡罗误差,Stata杂志,10369-385,(2010)
[57] 威瑟茨,吉咪;多兰,简历;《测验表现中的刻板印象威胁与群体差异:测量不变性问题》,人格与社会心理学杂志,89696-716,(2005)
[58] 姚,Y。;维塔里,A。;辛普森,D。;Gelman,A.,使用叠加平均贝叶斯预测分布(与讨论),贝叶斯分析,13917-1007,(2018)·Zbl 1407.62090
[59] 张,X。;陶,J。;王,C。;施,NZ,多水平IRT模型的贝叶斯模型选择方法:基于DIC的五个指数的比较,教育测量杂志,56,3-27,(2019)
[60] 赵,Z。;Severini,TA,综合似然计算方法,计算统计学,32281-313,(2017)·Zbl 1417.65059
[61] 朱,X。;Stone,CA,Bayesian comparison of alternative Gradient response models for performance assessment applications,教育和心理测量,75774-799,(2012)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。