×
奥卢达尔·阿里约;伊曼纽·莱斯福;吉尔特·韦贝克;马蒂恩·豪斯曼;马丁·海曼斯;乔斯·特威斯克

多级中介模型的贝叶斯模型选择。 （英语） Zbl 07778520号

内尔统计局。 76，编号2，219-235（2022）.
摘要：中介分析通常用于通过第三个中介变量来探索两个变量之间的复杂关系。本文旨在说明偏差信息准则、伪贝叶斯因子和渡边捷昭信息准则在选择合适的多级调解模型时的性能。我们将重点比较这方面的条件标准（给定随机效应）与边际标准（随机效应的平均值）。以前关于多级调解模型的大多数工作都没有报告条件标准的不良行为。在此，我们通过模拟研究和阿姆斯特丹研究的纵向老化研究数据的应用，证明了选择标准的边际版本在中介纵向环境中的优越性。此外，我们还演示了自编R函数对多级中介模型的有用性。
{©2021荷兰统计与运营研究学会}

引用于1文件

MSC公司：

62Fxx公司 参数化推理
62至XX 统计
62件 统计学的应用

关键词：

偏差信息准则;边缘化可能性;多级调解模型;伪贝叶斯因子;Watanabe-Akaike信息准则

软件：

PRODCLIN公司
PDF格式BibTeX公司 XML格式引用
\textit{O.Ariyo}等人，Stat.Neerl。76，编号219-235（2022；Zbl 07778520）
全文： 内政部 链接

参考文献：

[1] Ananth，C.V.（2019）。因果中介分析中的中介比例：这一指标有多大用处？BJOG：国际妇产科杂志，126（8），219-235。
[2] Ariyo，O.和Adeleke，M.（2021）。斜法向纵向测量的同时贝叶斯建模，具有不可忽略的丢失。计算统计学，1-23。https://link.springer.com/article/10.1007/s00180‐021‐01118‐y
[3] Ariyo，O.、Lesaffre，E.、Verbeke，G.和Quintero，A.（2019年）。具有纵向数据的贝叶斯线性混合模型的模型选择：对先验选择的敏感性。统计通信——模拟和计算，1-25。https://www.tandfonline.com/doi/abs/10.1080/03610918.2019.1676439
[4] Ariyo，O.、Lesaffre，E.、Verbeke，G.和Quintero，A.（2021）。纵向计数数据的贝叶斯模型选择。Sankhya B，（0），1-24。
[5] Ariyo，O.、Quintro，A.、Muñoz，J.、Verbeke，G.和Lesaffre，E.（2019年）。纵向数据线性混合模型中的贝叶斯模型选择。应用统计学杂志，47（5），890-913·Zbl 1521.62244号
[6] Bauer，D.J.、Preacher，K.J.和Gil，K.M.（2006年）。概念化和测试多层次模型中的随机间接效应和适度调解：新程序和建议。心理学方法，11（2），142。
[7] Blood，E.A.和Cheng，D.M.（2011年）。使用混合模型分析具有时间相关预测因子的中介数据。《环境与公共卫生杂志》，2011，1-12。
[8] Brooks，S.P.和Gelman，A.（1998年）。监测迭代模拟收敛性的一般方法。计算与图形统计杂志，7（4），434-455。
[9] 曹伟（Cao，W.）、李毅（Li，Y.）和于清（Yu，Q.）（2021）。一般调解分析假设的敏感性分析。统计通信——模拟和计算，1-18。https://www.tandfonline.com/doi/abs/10.1080/03610918.2021.1908556？journalCode=lssp20
[10] Celeux，G.、Forbes，F.、Robert，C.P.和Titterington，D.M.（2006年）。缺失数据模型的偏差信息标准。贝叶斯分析，1（4），651-673·Zbl 1331.62329号
[11] Chan，J.C.C.和Grant，A.L.（2016a）。潜在变量模型偏差信息准则的快速计算。计算统计与数据分析，100847-859·Zbl 1466.62039号
[12] Chan，J.C.C.和Grant，A.L.（2016b）。关于波动率建模的观测数据偏差信息标准。《金融计量经济学杂志》，14（4），772-802。
[13] Dey，S.、Delampady，M.和Gopalaswamy，A.M.（2019年）。空间捕获-再捕获模型的贝叶斯模型选择。生态学与进化，9（20），11569-11583。https://onlinelibrary.wiley.com/doi/abs/10.1002/ece3.5551
[14] Ditlevsen，S.、Christensen，U.、Lynch，J.、Damsgaard，M.T.和Keiting，N.（2005）。中介比例：一种结构方程方法，用于估计由中间变量解释的暴露对结果的影响比例。流行病学，16（1），114-120。
[15] Efron，B.和Tibshirani，R.J.（1994）。引导程序简介。佛罗里达州博卡拉顿：CRC出版社。
[16] Gao，T.和Albert，J.M.（2018年）。具有多个有序中介体的贝叶斯因果中介分析。统计建模，19（6），1471082-18798067。
[17] Geisser，S.和Eddy，W.F.（1979年）。模型选择的预测方法。美国统计协会杂志，74（365），153-160·Zbl 0401.62036号
[18] Gelman，A.、Hwang，J.和Vehtari，A.（2014）。了解贝叶斯模型的预测信息标准。统计与计算，24（6），997-1016·Zbl 1332.62090号
[19] Gelman，A.和Rubin，D.B.（1992年）。使用多序列的迭代模拟推断。统计科学，7（4），457-472·Zbl 1386.65060号
[20] Hayes，A.F.（2017）。中介、调节和条件过程分析简介：基于回归的方法。纽约州纽约市：吉尔福德出版社。
[21] Hayes，A.F.和Scharkow，M.（2013）。统计中介分析中间接效应推断检验的相对可信度：方法真的重要吗？心理科学，24（10），1918-1927。
[22] Hoogendijk，E.O.，Deeg，D.J.，Poppelaars，J.，van derHorst，M.，vanGroenou，M.I.B.，Comijs，H.C.，…vanTilburg，T.G.（2016）。阿姆斯特丹纵向老龄化研究：2016年队列更新和主要发现。《欧洲流行病学杂志》，31（9），927-945。
[23] Huisman，M.，Poppelaars，J.，Horst，M.、Beekman，A.、Brug，J.、Tilburg，T.G.和Deeg，D.J.（2011年）。队列概况：阿姆斯特丹纵向老龄化研究。国际流行病学杂志，40868-876。
[24] Kenny，D.A.、Korchmaros，J.D.和Bolger，N.（2003年）。多级模型中的低级中介。心理学方法，8（2），115。
[25] Krull，J.L.和MacKinnon，D.P.（1999）。基于群体的干预研究中的多级中介建模。评估审查，23（4），418-444。
[26] Krull，J.L.和MacKinnon，D.P.（2001）。个体和群体层面中介效应的多变量建模。多元行为研究，36249-277。
[27] Lee，S.Y.（2007）。结构方程建模：贝叶斯方法（第711卷）。新泽西州霍博肯：John Wiley&Sons·Zbl 1154.62022号
[28] Li，L.，Qiu，S.，Zhang，B.，&Feng，C.X.（2016）。结合IS和WAIC，在贝叶斯潜在变量模型中近似交叉验证预测评估。统计与计算，26（4），881-897·Zbl 1505.62248号
[29] Li，Y.，&Yu，J.（2012）。潜在变量模型中的贝叶斯假设检验。《计量经济学杂志》，166（2），237-246·Zbl 1441.62802号
[30] MacKinnon，D.（2008）。统计中介分析简介。英国伦敦：劳特利奇。
[31] MacKinnon，D.P.、Fritz，M.S.、Williams，J.和Lockwood，C.M.（2007）。间接效应的产品置信限分布：PRODCLIN程序。行为研究方法，39（3），384-389。
[32] MacKinnon，D.P.、Lockwood，C.M.和Williams，J.（2004）。间接影响的置信限：产品分布和重采样方法。多元行为研究，39（1），99-128。
[33] McNeish，D.（2017）。小样本多级中介：关于多级结构方程建模框架的警告注释。结构方程建模：多学科期刊，24（4），609-625。
[34] McNeish，D.M.和Stapleton，L.M.（2016）。小样本对两水平模型估计的影响：综述和说明。《教育心理学评论》，28（2），295-314。
[35] Merkle，E，Furr，D，&Rabe‐Hesketh，S.（2018年）。贝叶斯模型评估：使用条件可能性与边际可能性。arXiv预打印arXiv:180204452。
[36] Millar，R.B.（2009）。使用DIC和贝叶斯因子比较过分散计数数据的分层贝叶斯模型。生物统计学，65（3），962-969·Zbl 1172.62054号
[37] Millar，R.B.（2018）。使用WAIC和交叉验证对层次模型的预测损失进行条件与边际估计。统计与计算，28（2），375-385·Zbl 1384.62093号
[38] 普卢默M（2013）。JAGS用户手册，3.4.0版。
[39] PlummerM.（2016）。rjags：使用MCMC的贝叶斯图形模型。R包版本4（6）。
[40] Preacher，K.J.和Selig，J.P.（2012年）。间接效应的蒙特卡罗置信区间的优点。沟通方法和措施，6（2），77-98。
[41] K.J.，Zhang，Z.，&Zyphur，M.J.（2011年）。评估多级数据中介的替代方法：多级SEM的优势。结构方程建模，18（2），161-182。
[42] 《传道者》，K.J.、《哲福》，M.J.和《张哲》（2010）。用于评估多级调解的通用多级SEM框架。心理学方法，15（3），209。
[43] Quintro，A.和Lesaffre，E.（2018年）。通过边际偏差信息准则比较层次模型。医学统计学，37（16），2440-2454。
[44] Raudenbush，S.W.和Bryk，A.S.（2002）。分层线性模型：应用和数据分析方法（第1卷）。美国：Sage·Zbl 1001.62004号
[45] Robitaille，A.、Piccinin，A.M.、Muniz‐Terrera，G.、Hoffman，L.、Johansson，B.、Deeg，D.J.、…Hofer，S.M.（2013）。加工速度对记忆和流体智力年龄相关变化的纵向调节作用。心理学与老龄化，28（4），887。
[46] 鲁萨·什叶。，Komárek，A.、Lesaffre，E.和Bruyneel，L.（2018）。具有有序结果的多级调节调解模型。医学统计学，37（10），1650-1670。
[47] Song，H.（2018）。以自我为中心的社交网络数据的多级中介模型入门。沟通方法和措施，12（1），1-24。
[48] Spiegelhalter，D.J.、Best，N.、Carlin，N.和van derLinde，A.（2014）。偏差信息标准：12年后。《皇家统计学会期刊B辑》，76（3），485-493·Zbl 1411.62027号
[49] Tom，A.、Bosker、T.A.S.R.J.和Bosker，R J.（2012年）。多级分析：介绍基本和高级多级建模。美国：Sage·Zbl 1296.62008年
[50] Vaida，F.和Blanchard，S.（2005年）。混合效应模型的条件Akaike信息。《生物特征》，92（2），351-370·Zbl 1094.62077号
[51] Wang，J.、Boyer，J.和Genton，M.M.G.（2004）。关于卡方分布和广义正态分布之间等价性的注记。《统计与概率快报》，66（4），395-398·Zbl 1075.62010号
[52] Wang，Y.B.，Chen，Z.，Goldstein，J.M.，Buck Louis，G.M.和Gilman，S.E.（2019年）。具有多重暴露的贝叶斯正则化中介分析。医学统计学，38（5），828-843。
[53] Watanabe，S.（2010年）。奇异学习理论中贝叶斯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，11，3571-3594·Zbl 1242.62024号
[54] Wu，W.，Carroll，I.A.和Chen，P.Y.（2018）。用于纵向中介分析的单水平随机效应交叉滞后面板模型。行为研究方法，50（5），2111-2124。
[55] Yanuar，F.、Ibrahim，K.和Jemain，A.A.（2013年）。健康指数的贝叶斯结构方程建模。应用统计学杂志，40（6），1254-1269·Zbl 1514.62954号
[56] Yuan，Y.和MacKinnon，D.P.（2009）。贝叶斯中介分析。心理学方法，14（4），301。
[57] Zhang，Z.，Zyphur，M.J.和Preacher，K.J.（2009年）。使用分层线性模型测试多级中介：问题和解决方案。组织研究方法，12（4），695-719。
[58] Zigler，C.K.和Ye，F.（2019年）。多层调解建模方法的比较：对应用研究人员的建议。多元行为研究，54（3），338-359。
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。