×

贝叶斯变系数模型的统一观点。 (英语) Zbl 1434.62092号

摘要:变系数模型在协变量的影响可能取决于其他协变量(如时间或位置)的应用中很有用。这些模型的各种应用通常会导致描述系数变化程度的参数的特定情况先验分布。在这项工作中,我们引入了变系数模型的统一观点,提出了一种指定这些先验分布的方法,这些先验分布在各种应用中是一致的,避免过拟合,并具有一致的解释。为此,我们将变系数模型视为自然简单模型的灵活扩展,并利用最近提出的惩罚复杂性(PC)先验框架。我们在两个相关的变系数模型的空间示例中说明了我们的方法。

MSC公司:

62H11型 定向数据;空间统计学
2015年1月62日 贝叶斯推断
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Banerjee,S.、Carlin,B.和Gelfand,A.(2015)。,空间数据的层次建模和分析,第二版。CRC出版社/Chapman&Hall。统计学和应用概率专著·Zbl 1358.62009号
[2] Barndorff Nielsen,O.和Schou,G.(1973年)。关于用偏自相关对自回归模型进行参数化。,《多变量分析杂志》,3:408-419·Zbl 0275.62074号 ·doi:10.1016/0047-259X(73)90030-4
[3] Berger,J.O.和Yang,R.(1994年)。AR(1)模型的非信息先验和贝叶斯测试。,计量经济学理论,10:461-482。
[4] Besag,J.(1974年)。晶格系统的空间相互作用和统计分析(含讨论)。,英国皇家统计学会期刊B辑,36(2):192-225·Zbl 0327.60067号 ·doi:10.1111/j.2517-6161.1974.tb00999.x
[5] Besag,J.、York,J.和Mollie,A.(1991年)。贝叶斯图像恢复,在空间统计学中有两个应用。,统计数学研究所年鉴,43:1-21·Zbl 0760.62029号 ·doi:10.1007/BF00116466
[6] Biller,C.和Fahrmeir,L.(2001)。使用自适应回归样条的贝叶斯变系数模型。,统计建模,1(3):195-211·Zbl 1104.62023号 ·doi:10.1177/1471082X0100100303
[7] Bitto,A.和Frühwirth-Schnatter,S.(2018年)。在时变参数模型框架中实现收缩,arXiv:1611.01310·兹比尔1452.62216
[8] 布兰吉亚多,M.和卡梅莱蒂,M.(2017)。,基于R-INLA的空间和时空贝叶斯模型。威利·Zbl 1318.62001号
[9] Cai,Z.和Sun,Y.(2003)。Cox回归模型中时间相关系数的局部线性估计。,《斯堪的纳维亚统计杂志》,30:93-11·Zbl 1034.62096号
[10] Carvalho C.、Polson,N.和Scott,J.(2010年)。稀疏信号的马蹄形估计。,《生物特征》,97:465-480·Zbl 1406.62021号 ·doi:10.1093/biomet/asq017
[11] Fahrmeir,L.、Kneib,T.和Lang,S.(2004)。时空数据的惩罚结构加性回归:贝叶斯观点。,《中国统计》,14:715-745·Zbl 1073.62025号
[12] Fan,J.和Zhang,W.(1999)。变系数模型中的统计估计。,《统计年鉴》,27:1491-1518·Zbl 0977.62039号 ·doi:10.1214操作系统/1017939139
[13] Ferguson,C.、Bowman,A.、Scott,E.和Carvalho,L.(2007年)。复杂生态系统的模型比较。,英国皇家统计学会期刊A辑,170(3):691-711。
[14] Finazzi,F.、Scott,M.和Fasso,A.(2013年)。空气质量指数和人口风险评估的基于模型的框架,应用于苏格兰空气质量数据的分析。,英国皇家统计学会期刊C辑,62(2):287-308。
[15] Finley,A.(2011年)。比较具有非平稳和各向异性残差依赖性的生态数据分析的空间维系数模型。,生态学与进化方法,2:143-154。
[16] Franco-Villoria,M.、Ventrucci,M.和Rue,H.(2019年)。对“贝叶斯变系数模型的统一观点”的补充A。内政部:,10.1214/08-AOS99GSUPPA·Zbl 1434.62092号
[17] Franco-Villoria,M.、Ventrucci,M.和Rue,H.(2019年)。“贝叶斯变系数模型的统一观点”补充B。内政部:,10.1214/08-AOS99GSUPPB·Zbl 1434.62092号
[18] Frühwirth-Schnatter,S.和Wagner,H.(2010)。高斯和部分非高斯状态空间模型的随机模型规范搜索。,计量经济学杂志,154(1):85-100·Zbl 1431.62373号 ·doi:10.1016/j.econom.2009.07.003
[19] Frühwirth-Schnatter,S.和Wagner,H.(2011)。高斯和非高斯数据随机截距建模的贝叶斯变量选择。年,J.M.Bernardo、M.J.Bayarri、J.O.Berger、A.P.Dawid、D.Heckerman、A.F.M.Smith和M.West(编辑),第165-200页。牛津贝叶斯统计9。
[20] Fuglstad,G.A.、Simpson,D.、Lindgren,F.和Rue,H.(2018年)。构造惩罚高斯随机场复杂性的先验函数。,美国统计协会杂志·Zbl 1478.62279号 ·网址:10.1080/01621459.2017.1415907
[21] Gamerman,D.、Moreira,A.R.和Rue,H.(2003)。空间变量回归模型:规范和模拟。,计算统计与数据分析,42(3):513-533·兹比尔1429.62428 ·doi:10.1016/S0167-9473(02)00211-6
[22] Gelfand,A.、Kim,J.、Sirmans,C.和Banerjee,S.(2003)。空间变系数过程的空间建模。,美国统计协会杂志,98(462):387-396·Zbl 1041.62041号 ·doi:10.1198/0162145003000170
[23] Gelman,A.(2006年)。层次模型中方差参数的先验分布(Browne和Draper的文章评论)。,贝叶斯分析,3:515-534·Zbl 1331.62139号 ·doi:10.1214/06-BA117A
[24] Hastie,T.和Tibshirani,R.(1993年)。变系数模型。,英国皇家统计学会期刊B辑,55(4):757-796·Zbl 0796.62060号 ·doi:10.1111/j.2517-6161.1993.tb01939.x
[25] Hoover,D.、Rice,J.和Wu,C.(1998年)。纵向数据时变系数模型的非参数平滑估计。,生物特征,85(4):809-822·Zbl 0921.62045号 ·doi:10.1093/biomet/85.4.809
[26] Kimeldorf,G.和Wahba,G.(1970年)。随机过程贝叶斯估计与样条平滑的对应。,《数理统计年鉴》,41(2):495-502·Zbl 0193.45201号 ·doi:10.1214/aoms/1177697089
[27] Kowal,D.R.、Matteson,D.S.和Ruppert,D.(2018)。动态收缩过程。,arXiv:1707.00763·Zbl 1428.62397号 ·doi:10.1111/rssb.12325
[28] 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
[29] Laird,N.和Ware,J.(1982年)。纵向数据的随机效应模型。,生物统计学,38(4):963-974·Zbl 0512.62107号 ·doi:10.2307/2529876
[30] Lindgren,F.和Rue,H.(2008)。关于不规则位置的二阶随机游动模型。,斯堪的纳维亚统计杂志,35(4):691-700·Zbl 1199.60276号 ·doi:10.1111/j.1467-9469.2008.00610.x
[31] Martins,T.G.、Simpson,D.、Lindgren,F.和Rue,H.(2013)。基于INLA的贝叶斯计算:新特性。,计算统计与数据分析,67(0):68-83·Zbl 1471.62135号 ·doi:10.1016/j.csda.2013.04.014
[32] Marx,B.(2010年)。复杂数据的P样条变系数模型。In,T.Kneib和G.Tutz(编辑)。统计建模和回归结构,Physica-Verrag HD。
[33] Mu,J.、Wang,G.和Wang,L.(2018)。空间变系数模型中的估计和推断。,环境计量学,29。
[34] Nelder,J.和Wedderburn,R.(1972年)。广义线性模型。,英国皇家统计学会期刊A辑,135:370-384。
[35] Riebler,A.、Sörbye,S.H.、Simpson,D.和Rue,H.(2016)。疾病映射的直观贝叶斯空间模型,用于说明缩放。,医学研究中的统计方法,25(4):1145-1165。PMID:27566770。
[36] Rue,H.和Held,L.(2005)。,高斯马尔可夫随机场。查普曼和霍尔/CRC·邮编1093.60003
[37] Scheipl,F.和Kneib,T.(2009年)。具有正态指数Gamma先验的局部自适应贝叶斯P样条。,计算统计与数据分析,53:3533-3552·Zbl 1453.62191号 ·doi:10.1016/j.csda.2009.03.009
[38] 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):1-28·兹比尔1442.62060 ·doi:10.1214/16-STS576
[39] Sörbye,S.和Rue,H.(2014)。空间建模中内禀高斯马尔可夫随机场先验标度。,空间统计,8:39-51·doi:10.1016/j.spasta.2013.06.004
[40] Sörbye,S.和Rue,H.(2017)。平稳自回归过程的惩罚复杂性先验。,时间序列分析杂志,38:923-935·Zbl 1416.62529号 ·doi:10.1111/jtsa.12242
[41] Staubach,C.、Schmid,V.、Knorr-Held,L.和Ziller,M.(2002年)。空间野生动物疾病流行数据的贝叶斯模型。,预防兽医,56:75-87。
[42] Stein,M.(1999)。,空间数据插值:克里格的一些理论。纽约施普林格-弗拉格·Zbl 0924.62100号
[43] Tian,L.、Zucker,D.和Wei,L.(2005)。关于具有时变回归系数的Cox模型。,美国统计协会期刊,100(469):172-183·Zbl 1117.62435号 ·doi:10.1198/016214500000845
[44] Waller,L.、Zhu,L.,Gotway,C.、Gorman,D.和Gruenewald,P.(2007)。量化酒精分布与暴力之间关联的地理差异:地理加权回归和空间变异系数模型的比较。,随机环境研究和风险评估,21:573-588。
[45] Warnes,J.和Ripley,B.(1987年)。空间高斯过程协方差函数的似然估计问题。,生物特征,74(3):640-642·Zbl 0628.62087号 ·doi:10.1093/biomet/74.3.640
[46] Yue,Y.R.、Simpson,D.、Lindgren,F.和Rue,H.(2017)。使用随机微分方程的贝叶斯自适应平滑样条。,贝叶斯分析,2:397-424·Zbl 1327.62234号 ·doi:10.1214/13-BA866
[47] 张华(2004)。基于模型的地质统计学中的不一致估计和渐近相等插值。,美国统计协会杂志,99(465):250-261·Zbl 1089.62538号 ·doi:10.1198/016214500000241
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。