×
钱，杭

大数据贝叶斯线性回归和正态-负极值求和变量选择。 （英语） Zbl 1407.62262号

贝叶斯分析。 13，第4期，1011-1035（2018）.
小结：我们引入了正态-逆-γ求和算子，该算子结合了不同数据源的贝叶斯回归结果，并导出了一个用于大数据回归的简单拆分和合并算法。求和算子还可用于计算边际似然，并有助于贝叶斯模型选择方法，包括贝叶斯套索、随机搜索变量选择、马尔可夫链蒙特卡罗模型合成等。一次扫描观测值，然后采样器在不重新加载数据的情况下迭代组合正态-逆伽马分布。仿真研究表明，我们的算法能够有效地处理高度相关的大数据。还分析了就业和工资的真实数据集。

引用于1文件

MSC公司：

62J05型 线性回归；混合模型
2015年1月62日 贝叶斯推断
2007年6月62日 岭回归；收缩估计器（拉索）
62第20页 统计学在经济学中的应用

关键词：

共轭先验;分层收缩;贝叶斯线性回归;变量选择

软件：

MapReduce;贝叶斯汇总统计LM
PDF格式BibTeX公司 XML格式引用
\textit{H.Qian}，贝叶斯分析。13，第4号，1011--1035（2018；Zbl 1407.62262）
全文： 内政部 欧几里得

参考文献：

[1] Ang，A.和Chen，J.（2007）。“长期CAPM：1926–2001。”《实证金融杂志》，14（1）：1–40。
[2] Branch，W.A.和Evans，G.W.（2006年）。《简单递归预测模型》，《经济学快报》，91（2）：158-166·兹比尔1254.91639 ·doi:10.1016/j.econlet.2005.09.005
[3] Carlin，B.P.和Chib，S.（1995年）。《通过马尔可夫链蒙特卡罗方法选择贝叶斯模型》，《皇家统计学会杂志》。B系列（方法学），57（3）：473-484·Zbl 0827.62027号
[4] Dean，J.和Ghemawat，S.（2008年）。“MapReduce:大型集群上的简化数据处理”，《ACM通讯》，51（1）：107–113。
[5] Fan，J.和Lv，J.（2010）。“高维特征空间中变量选择的选择性概述”，《统计》，20（1）：101–148·Zbl 1180.62080号
[6] George，E.I.和Foster，D.P.（2000）。“校准和经验贝叶斯变量选择”，Biometrika，87（4）：731–747·Zbl 1029.62008号 ·doi:10.1093/biomet/87.4.731
[7] George，E.I.和McCulloch，R.E.（1993）。“通过吉布斯抽样进行变量选择”，《美国统计协会杂志》，88（423）：881-889。
[8] George，E.I.和Mcculloch，R.E.（1997）。“贝叶斯变量选择方法”，《中国统计》，339-374·Zbl 0884.62031号
[9] Geweke，J.（1996）。回归中的变量选择和模型比较。牛津：牛津大学出版社·Zbl 0864.62083号 ·doi:10.1016/0304-4076（95）01773-9
[10] Ghosh，J.和Reiter，J.P.（2013年）。“水平分区数据的安全贝叶斯模型平均”，《统计与计算》，23（3）：311-322·Zbl 1322.62101号 ·doi:10.1007/s11222-011-9312-6
[11] Godsill，S.J.（2001）。“关于模型不确定性的马尔可夫链蒙特卡罗方法之间的关系”，《计算与图形统计杂志》，10（2）：230–248·doi:10.1198/10618600152627924
[12] Green，P.J.（1995）。“可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定”，《生物特征识别》，82:711-732·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711
[13] Johnson，V.E.和Rossell，D.（2012年）。“高维环境下的贝叶斯模型选择”，《美国统计协会杂志》，107（498）：649-660·Zbl 1261.62024号 ·doi:10.1080/01621459.2012.682536
[14] Kuo，L.和Mallick，B.（1998年）。“回归模型的变量选择”，Sankhya:The Indian Journal of Statistics，B辑，60（1）：65–81·Zbl 0972.62016号
[15] Lin，D.、Foster，D.P.和Ungar，L.H.（2011年）。《VIF回归：大数据的快速回归算法》，《美国统计协会杂志》，106（493）：232–247·Zbl 1396.62170号 ·doi:10.1198/jasa.2011.tm10113
[16] Madigan，D.、York，J.和Allard，D.（1995年）。“离散数据的贝叶斯图形模型”，《国际统计评论》，63（2）：215-232·Zbl 0834.62003号 ·doi:10.2307/1403615
[17] Miroshnikov，A.、Savel’ev，E.和Conlon，E.M.（2015）。“BayesSummaryStatLM:大数据和数据科学贝叶斯线性模型的R包。”手稿：https://arxiv.org/abs/1503.00635。
[18] Neiswanger，W.、Wang，C.和Xing，E.P.（2014）。“渐近精确，令人尴尬的并行MCMC”，《第三十届人工智能不确定性会议论文集》，623-632。阿灵顿：AUAI出版社。
[19] Ordonez，C.、Garcia Alvarado，C.和Baladandayuthapani，V.（2014）。“大型数据集一次性线性回归中的贝叶斯变量选择”。ACM数据知识发现事务，9（1）：1–14。
[20] Park，T.和Casella，G.（2008）。《贝叶斯拉索》，《美国统计协会杂志》，103（482）：681-686·Zbl 1330.62292号 ·doi:10.1198/016214500000037
[21] 钱宏（2017）。《大数据贝叶斯线性回归和变量选择的正态反转伽马求和补充材料》，贝叶斯分析。
[22] Raftery，A.E.、Madigan，D.和Hoeting，J.A.（1997）。“线性回归模型的贝叶斯模型平均值”，《美国统计协会杂志》，92（437）：179-191·Zbl 0888.62026号 ·doi:10.1080/0162145.1997.10473615
[23] Scott，S.L.、Blocker，A.W.、Bonassi，F.V.、Chipman，H.A.、George，E.I.和McCulloch，R.E.（2016）。“贝叶斯和大数据：共识蒙特卡洛算法”，《国际管理科学与工程管理杂志》，11:78-88。
[24] Smith，M.和Kohn，R.（1996年）。“使用贝叶斯变量选择的非参数回归”，《计量经济学杂志》，75（2）：317-343·兹比尔0864.62025 ·doi:10.1016/0304-4076（95）01763-1
[25] Tibshirani，R.（1996）。《通过拉索进行回归收缩和选择》，《皇家统计学会期刊B》，58:267-288·Zbl 0850.62538号
[26] Zeller，A.（1986年）。关于评估先验分布和使用g-先验分布的贝叶斯回归分析·Zbl 0655.62071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。