×
Sonia Migliorati公司;阿格内塞·玛丽亚·迪布里斯科;安德烈亚·昂加罗

一种新的有界响应回归模型。 （英语） Zbl 1407.62279号

贝叶斯分析。 13，第3期，845-872（2018）.
小结：本文的目的是基于弹性贝塔（FB）分布，针对单位区间内的连续变量（例如比例）提出一种新的回归模型。后者是两个β的特殊混合物，它大大扩展了β分布的形状，主要表现在不对称性、双峰性和重尾行为方面。其特殊的混合结构保证了良好的理论性质，例如强可辨识性和似然有界性，这在混合模型中是很少见的。此外，在这里采用的贝叶斯框架内，它使模型在计算上非常容易处理。
同时，FB回归模型对各种数据模式（包括单峰和双峰模式、重尾和异常值的存在）显示出易于解释和显著的拟合能力。事实上，模拟研究和实际数据集的应用表明，FB回归模型相对于竞争模型（即β[S.L.P.法拉利和F.克里巴里·内托，J.应用。Stat.31，No.7，799–815（2004；Zbl 1121.62367号)]和β矩形[C.L.贝叶斯等，贝叶斯分析。第7期，第4期，841-866页（2012年；Zbl 1330.62272号)]在估计精度、拟合优度和后验预测区间方面。

引用于13文件

理学硕士：

62J12型 广义线性模型（逻辑模型）
2015年1月62日 贝叶斯推断
62H30型 分类和区分；聚类分析（统计方面）
62G32型 极值统计；尾部推断

关键词：

比例;β回归;弹性β;混合物模型;MCMC公司;异常值;沉重的尾巴

引文：

Zbl 1121.62367号;Zbl 1330.62272号

软件：

WinBUGS公司;漏洞;R（右）;斯坦;贝叶斯DA
PDF格式BibTeX公司 XML格式引用
\textit{S.Migliorati}等人，《贝叶斯分析》。13，第3号，845--872（2018；Zbl 1407.62279）
全文： 内政部 欧几里得

参考文献：

[1] Akaike，H.（1998年）。“信息理论与最大似然原理的扩展”，载于《赤子博文精选论文》，199-213。斯普林格。
[2] Albert，J.（2009）。贝叶斯计算与R.Springer Science&Business Media·兹比尔1165.62022
[3] Bayes，C.L.、Bazán，J.L.和García，C.（2012）。“比例的新稳健回归模型”，贝叶斯分析，7（4）：841-866·Zbl 1330.62272号 ·doi:10.1214/12-BA728
[4] Branscum，A.J.、Johnson，W.O.和Thurmond，M.C.（2007年）。“贝叶斯贝塔回归：家庭支出数据和口蹄疫病毒遗传距离的应用”，《澳大利亚和新西兰统计杂志》，49（3）：287-301·Zbl 1136.62323号 ·doi:10.1111/j.1467-842X.2007.00481.x
[5] Celeux，G.、Forbes，F.、Robert，C.P.、Titterington，D.M.等人（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 ·doi:10.1214/06-BA122
[6] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977年）。《通过EM算法从不完整数据中获得最大似然》，《皇家统计学会杂志》。B系列，39:1–38·Zbl 0364.62022号
[7] Ferrari，S.和Cribari-Neto，F.（2004）。“建模率和比例的贝塔回归”，《应用统计杂志》，31（7）：799-815·Zbl 1121.62367号 ·doi:10.1080/0266476042000214501
[8] Ferrari，S.L.、Espinheira，P.L.和Cribari-Neto，F.（2011年）。“具有不同离散度的贝塔回归诊断工具”，《Neerlandica统计》，65（3）：337-351·Zbl 1219.62117号 ·doi:10.1111/j.1467-9574.2011.00488.x
[9] Frühwirth-Schnatter，S.（2006）。有限混合和马尔可夫切换模型。施普林格科技与商业媒体·Zbl 1108.6202号
[10] García，C.、Pérez，J.G.和van Dorp，J.R.（2011）。“用有限的支持来模拟重尾、倾斜和峰值不确定性现象”，《统计方法与应用》，20（4）：463-486·兹比尔1238.62012
[11] Gelfand，A.E.和Smith，A.F.（1990年）。“基于抽样的边际密度计算方法”，《美国统计协会杂志》，85（410）：398-409·Zbl 0702.62020号 ·网址：10.1080/01621459.1990.10476213
[12] Gelman，A.、Carlin，J.B.、Stern，H.S.和Rubin，D.B.（2014）。贝叶斯数据分析，第2卷。泰勒和弗朗西斯·Zbl 1279.62004号
[13] Hahn，E.D.（2008）。“项目管理活动时间的混合密度：PERT的稳健方法”，《欧洲运筹学杂志》，188（2）：450-459·兹比尔1149.90351 ·doi:10.1016/j.ejor.2007.04.032
[14] Kieschnick，R.和McCullough，B.D.（2003）。“（0，1）：百分比、比例和分数上观察到的变量的回归分析”，《统计建模》，3（3）：193-213·Zbl 1070.62056号 ·doi:10.1191/1471082X03st053oa
[15] Lunn，D.J.、Thomas，A.、Best，N.和Spiegelhalter，D.（2000）。“WinBUGS-贝叶斯建模框架：概念、结构和可扩展性”，《统计与计算》，10（4）：325-337。
[16] Markatou，M.（2000年）。混合模型、稳健性和加权似然法〉，《生物计量学》，56:483-486·Zbl 1060.62511号 ·doi:10.1111/j.0006-341X.2000.00483.x
[17] McCullagh，P.和Nelder，J.A.（1989）。广义线性模型，第37卷。CRC出版社·Zbl 0744.62098号
[18] Mengersen，K.L.、Robert，C.P.和Guihenneuc-Jouyaux，C.（1999）。“MCMC收敛诊断：综述”，贝叶斯统计，6:415-440·Zbl 0957.62019号
[19] Migliorati，S.、Di Brisco，A.M.和Ongaro，A.（2017）。“有限反应新回归模型的补充材料”。贝叶斯分析。
[20] Migliorati，S.、Ongaro，A.和Monti，G.S.（2016年）。“成分数据的结构化Dirichlet混合模型：推断和应用问题”，《统计与计算》，1–21·Zbl 1384.62200号 ·doi:10.1007/s11222-016-9665-y
[21] Ntzoufras，I.（2011年）。使用WinBUGS的贝叶斯建模，第698卷。约翰·威利父子公司·兹比尔1218.62015
[22] Ongaro，A.和Migliorati，S.（2013年）。“Dirichlet分布的推广”，《多元分析杂志》，114:412-426·Zbl 1258.60020号 ·doi:10.1016/j.jmva.2012.07.007
[23] Pammer，K.和Kevan，A.（2007年）。“视觉敏感性、语音处理和非语言智商对儿童阅读的贡献”，《阅读科学研究》，11（1）：33–53。
[24] Paolino，P.（2001）。“带β分布因变量模型的最大似然估计”，《政治分析》，9（4）：325-346。
[25] R核心团队（2016）。R： 统计计算语言和环境。奥地利维也纳R统计计算基金会，ISBN 3-900051-07-0。统一资源定位地址http://www.R-project.org/。
[26] Schwarz，G.（1978年）。“估算模型的维度”，《统计年鉴》，6（2）：461-464·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[27] Smithson，M.和Verkuilen，J.（2006年）。“一个更好的柠檬榨汁器？用β分布因变量进行最大似然回归。”《心理学方法》，11（1）：54。
[28] Spiegelhalter，D.J.、Best，N.G.、Carlin，B.P.和Van Der Linde，A.（2002）。“模型复杂度和拟合度的贝叶斯度量（含讨论）”，《皇家统计学会杂志：B辑》，64（4）：583-639·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353
[29] 斯坦发展团队（2016）。Stan建模语言用户指南和参考手册。统一资源定位地址http://mc-stan.org/。
[30] Tanner，M.A.和Wong，W.H.（1987）。“通过数据增强计算后验分布”，《美国统计协会杂志》，82（398）：528-540·兹比尔0619.62029 ·doi:10.1080/01621459.1987.10478458
[31] Thomas，A.（1994）。BUGS：统计建模包。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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，而不声称其完整性或完全匹配。