×
Jeong、Seonghyun；大阳公园；戴维·范戴克（David A.van Dyk）。

基于局部自适应样条的加性部分线性模型中的贝叶斯模型选择。 （英语） Zbl 07547614号

J.计算。图表。斯达。 31，第2号，324-336（2022）.
摘要：我们提供了一个灵活的框架，用于在一类允许线性和非线性可加分量的可加部分线性模型中进行选择。在实践中，在确定最终模型中非零可加成分应表示为线性或非线性成分的同时，确定哪些可加成分应从模型中排除是一项挑战。在本文中，我们提出了一种贝叶斯模型选择方法，该方法由一类精心指定的模型促成，包括选择先验分布和用于非线性可加分量的非参数模型。我们使用一系列潜在变量来确定三种可能性（无影响、线性影响和非线性影响）中每个变量的影响，并同时确定每个样条线的节点，以便对平滑函数进行适当的惩罚。使用伪前体分布和折叠方案，我们可以部署性能良好的马尔可夫链蒙特卡罗采样器，用于模型选择和拟合首选模型。我们的方法和算法部署在一系列数值研究中，并应用于营养流行病学研究。数值结果表明，在马尔可夫链采样器的有效样本大小和总误分类率方面，该方法优于以往可用的方法。

引用于1文件

MSC公司：

62至XX 统计

关键词：

贝叶斯自适应回归；功能估计；knots选择；（g）-前体混合物；非参数回归

软件：

塞米帕尔
PDF格式BibTeX公司 XML格式引用
\textit{S.Jeong}等人，J.Compute。图表。Stat.31，No.2，324--336（2022；Zbl 07547614）
全文： 内政部 arXiv公司
OA许可证

参考文献：

[1] 巴拉丹达尤塔帕尼，V。；马利克，B.K。；Carroll，R.J.，“空间自适应贝叶斯惩罚回归样条（P样条），计算与图形统计杂志，14，378-394（2005）·doi:10.19198/106186005X47345
[2] 班纳吉，S。；Ghosal，S.，“广义可加部分线性模型中的贝叶斯变量选择，统计学，3363-378（2014）·doi:10.1002/sta4.70
[3] Barbieri，M.M。；Berger，J.O.，“最佳预测模型选择”，《统计年鉴》，32870-897（2004）·Zbl 1092.62033号 ·doi:10.1214/09053604000000238
[4] 巴亚里，M.J。；J.O.伯杰。；福特，A。；García-Donato，G.，“贝叶斯模型选择标准及其在变量选择中的应用”，《统计年鉴》，第40期，第1550-1577页（2012年）·Zbl 1257.62023号 ·doi:10.1214/12-AOS1013
[5] Belitser，E。；Serra，P.，“基于随机结样条的自适应先验，贝叶斯分析，9859-882（2014）·Zbl 1327.62130号 ·doi:10.1214/14-BA879
[6] J.O.伯杰。；佩里奇，L.R。；Varshavsky，J.A.，“不变情况下的贝叶斯因子和边际分布”，桑基拉：印度统计杂志，60，307-321（1998）·Zbl 0973.62017号
[7] 卡林，B.P。；Chib，S.，“通过马尔可夫链蒙特卡罗方法选择贝叶斯模型，皇家统计学会期刊，B辑，57473-484（1995）·Zbl 0827.62027号 ·doi:10.1111/j.2517-6161.1995.tb02042.x
[8] 克里普斯，E。；卡特，C。；Kohn，R.，“多元回归模型中的变量选择和协方差选择，统计学手册，25519-552（2005）
[9] 柯蒂斯，S.M。；班纳吉，S。；Ghosal，S.，“非参数加性回归的快速贝叶斯模型评估”，计算统计与数据分析，71347-358（2014）·Zbl 1471.62136号
[10] de Boor，C.，《样条实用指南》（1978），纽约：Springer，纽约·Zbl 0406.41003号
[11] Dellaportas，P。；福斯特·J·J。；Ntzoufras，I.，“使用MCMC的贝叶斯模型和变量选择，统计与计算，12，27-36（2002）·Zbl 1247.62086号 ·doi:10.1023/A:1013164120801
[12] Denison，D.G。；马利克，B.K。；Smith，A.F.，“贝叶斯MARS，统计与计算，8337-346（1998）·doi:10.1023/A:1008824606259
[13] 迪马特奥，I。；Genovese，C.R。；Kass，R.E.，“自由节点样条的贝叶斯曲线拟合，生物统计学，88，1055-1071（2001）·Zbl 0986.62026号 ·doi:10.1093/biomet/88.4.1055
[14] Faure，H。；普雷齐奥西，P。；Roussel，A。；Bertrais，S。；加兰，P。；Hercberg，S。；Favier，A.，“影响Su.VI.Max试验法国参与者的视黄醇、α-生育酚、维生素c和β-胡萝卜素血浓度的因素”，《欧洲临床营养学杂志》，60，706-717（2006）·doi:10.1038/sj.ejcn.1602372
[15] 费尔南德斯，C。；Ley，E。；Steel，M.F.，“贝叶斯模型平均的基准先验”，《计量经济学杂志》，100381-427（2001）·Zbl 1091.62507号 ·doi:10.1016/S0304-4076（00）00076-2
[16] 弗莱彻，R.H。；Fairfield，K.M.，“维生素在成人慢性病预防中的临床应用”，《美国医学会杂志》，2873127-3129（2002）·doi:10.1001/jama.287.23.3127
[17] E.I.乔治。；Foster，D.P.，“校准和经验贝叶斯变量选择，生物统计学，87，731-747（2000）·Zbl 1029.62008号 ·doi:10.1093/biomet/87.4.731
[18] 霍伯特，J.P。；Casella，G.，“函数相容性、马尔可夫链和具有不适当后验的吉布斯采样”，《计算与图形统计学杂志》，7，42-60（1998）
[19] 黄，J。；霍洛维茨，J.L。；Wei，F.，“非参数加性模型中的变量选择”，《统计学年鉴》，382282-2313（2010）·Zbl 1202.62051号 ·doi:10.1214/09-AOS781
[20] Jeong，S。；帕克，M。；Park，T.，“具有时间变化效应的二进制纵向数据分析，计算统计和数据分析，112145-153（2017）·兹比尔1464.62097 ·doi:10.1016/j.csda.2017.03.007
[21] Jeong，S。；Park，T.，“线性混合模型中函数关系的贝叶斯半参数推断，贝叶斯分析，11137-1163（2016）·Zbl 1357.62172号 ·doi:10.1214/15-BA987
[22] 纪，C。；Schmidler，S.C.，“贝叶斯变量选择的自适应马尔可夫链蒙特卡罗”，计算与图形统计学杂志，22708-728（2013）·doi:10.1080/10618600.2013.819178
[23] 朱利昂，A。；Lambert，P.，“空间自适应贝叶斯P样条模型中粗糙度惩罚先验分布的稳健规范，计算统计与数据分析，51，2542-2558（2007）·Zbl 1161.62340号
[24] 科恩，R。；史密斯，M。；Chan，D.，“使用基函数线性组合的非参数回归，统计与计算，11，313-322（2001）·doi:10.1023/A:1011916902934
[25] 朗·S。；Brezger，A.，“贝叶斯P样条，计算与图形统计杂志，13，183-212（2004）·doi:10.1198/1061860043010
[26] 李毅。；Clyde，M.A.，“广义线性模型中g-Priors的混合，美国统计协会杂志，1131828-1845（2018）·Zbl 1409.62152号 ·doi:10.1080/01621459.2018.1469992
[27] Lian，H。；Liang，H。；Ruppert，D.，“在高维部分线性可加模型中将协变量分离为非参数和参数部分”，《统计学》，25，591-607（2015）·Zbl 06503812号
[28] 梁，F。；保罗，R。；莫利纳，G。；克莱德，医学硕士。；Berger，J.O.，“贝叶斯变量选择的g先验混合，美国统计协会期刊，103，410-423（2008）·兹比尔1335.62026 ·doi:10.1198/0162145000001337
[29] Lin，Y。；Zhang，H.H.，“多元非参数回归中的成分选择与平滑”，《统计学年鉴》，342272-2297（2006）·Zbl 1106.62041号 ·doi:10.1214/0090536000000722
[30] 刘，X。；Wang，L。；Liang，H.，“半参数可加部分线性模型的估计和变量选择，统计学，21，1225-1248（2011）·Zbl 1223.62020年 ·doi:10.5705/ss.2009.140
[31] Y.丸山。；George，E.I.，“具有广义g-先验的完全贝叶斯因子，统计年鉴，392740-2765（2011）·Zbl 1231.62036号 ·doi:10.1214/11-AOS917
[32] 莫雷诺，E。；吉隆，J。；Casella，G.，“随着模型维度的增长，变量选择中的后验模型一致性，统计科学，30，228-241（2015）·Zbl 1332.62100号 ·doi:10.1214/14-STS508
[33] Nierenberg，D.W。；Stukel，T.A。；巴伦，J.A。；戴恩，B.J。；Greenberg，E.R.，“β-胡萝卜素和视黄醇血浆水平的决定因素，美国流行病学杂志，130，511-521（1989）·doi:10.1093/oxfordjournals.aje.a115365
[34] 诺特·D·J。；Kohn，R.，“贝叶斯变量选择的自适应采样，生物特征，92，747-763（2005）·Zbl 1160.62312号 ·doi:10.1093/biomet/92.4.747
[35] 帕克，T。；Jeong，S.，“泊松变系数模型的自回归分析，统计学，52，34-49（2018）·Zbl 1390.62183号 ·doi:10.1080/02331888.2017.1353514
[36] 帕克，T。；Lee，S.，《改进吉布斯采样器》（1546），《威利跨学科评论：计算统计学》，威利跨专业评论
[37] 帕克，T。；van Dyk，D.A.，“部分塌陷吉布斯采样器：图解与应用”，《计算与图形统计杂志》，第18期，第283-305页（2009年）·doi:10.1198/jcgs.2009.08108
[38] Raftery，A.E。；Madigan，D。；Hoeting，J.A.，“线性回归模型的贝叶斯模型平均值，美国统计协会杂志，92，179-191（1997）·Zbl 0888.62026号 ·doi:10.1080/01621459.1997.10473615
[39] Raskutti，G。；Wainwright，M.J。；Yu，B.，“基于凸规划的核类上稀疏可加模型的最小最大最优速率”，《机器学习研究杂志》，13，389-427（2012）·Zbl 1283.62071号
[40] 拉维库马尔，P。；刘，H。；Lafferty，J。；Wasserman，L.，“稀疏加性模型”，《皇家统计学会杂志》，B辑，711009-1030（2009）·Zbl 1411.62107号 ·文件编号：10.1111/j.1467-9868.2009.00718.x
[41] Rossell，D.和Rubio，F.J.（2019），“审查和错误规范下的加性贝叶斯变量选择”，arXiv:1907.13563。
[42] Ruppert，D。；Wand，M.P。；Carroll，R.J.，《半参数回归》（2003），剑桥：剑桥大学出版社，剑桥·Zbl 1038.62042号
[43] Sabanés Bové，D。；Held，L.，“广义线性模型的超g先验，贝叶斯分析，6387-410（2011）·Zbl 1330.62058号 ·doi:10.1214/ba/1339616469
[44] Sabanés Bové，D。；持有，L。；Kauermann，G.，“带惩罚样条的广义加性模型中的目标贝叶斯模型选择，计算与图形统计杂志，24，2，394-415（2015）·doi:10.1080/10618600.2014.912136
[45] Scheipl，F。；Fahrmeir，L。；Kneib，T.，“结构加性回归模型中函数选择的尖峰和板状先验，美国统计协会杂志，1071518-1532（2012）·Zbl 1258.62082号 ·doi:10.1080/01621459.2012.737742
[46] Scheipl，F。；Kneib，T.，“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（2009）·Zbl 1453.62191号
[47] 斯科特·J·G。；Berger，J.O.，“变量选择问题中的贝叶斯和经验贝叶斯多重性调整”，《统计年鉴》，38，2587-2619（2010）·Zbl 1200.62020年 ·doi:10.1214/10-AOS792
[48] 沈，W。；Ghosal，S.，“使用随机序列先验的自适应贝叶斯程序，斯堪的纳维亚统计杂志，421194-1213（2015）·Zbl 1419.62076号 ·doi:10.1111/sjos.12159
[49] 史密斯，M。；Kohn，R.，“使用贝叶斯变量选择的非参数回归，计量经济学杂志，75，317-343（1996）·Zbl 0864.62025号 ·doi:10.1016/0304-4076（95）01763-1
[50] van Dyk，D.A。；DeGennaro，S。；斯坦因，N。；Jefferys，W.H。；von Hippel，T.，“恒星演化的统计分析，应用统计学年鉴，3117-143（2009）·Zbl 1160.62098号
[51] van Dyk，D.A。；Jiao，X.，《部分坍塌吉布斯采样器内的大都会黑斯廷斯》，计算与图形统计杂志，24301-327（2015）·doi:10.1080/10618600.2014.930041
[52] van Dyk，D.A。；Park，T.，“部分坍塌吉布斯采样器：理论和方法”，《美国统计协会杂志》，193790-796（2008）·Zbl 1471.62198号
[53] 大桶，D。；Flegal，J.M。；Jones，G.L.，“马尔可夫链蒙特卡罗的多元输出分析，生物统计学，106，321-337（2019）·Zbl 1434.62100号 ·doi:10.1093/biomet/asz002
[54] 王，M。；Maruyama，Y.，“随着参数数量的增加，变量选择的g-Prior后验一致性，统计规划与推断杂志，196，19-29（2018）·Zbl 1394.62029号 ·doi:10.1016/j.jspi.2017.10.007
[55] Wu，Y。；Stefanski，L.A.，“加法模型的自动结构恢复，生物特征，102，381-395（2015）·Zbl 1452.62297号 ·doi:10.1093/biomet/asu070
[56] 薛磊，“可加模型中的一致变量选择”，《统计》，第19期，第1281-1296页（2009年）·Zbl 1166.62024号
[57] Zellner，A.，“关于使用g-先验分布评估先验分布和贝叶斯回归分析”，贝叶斯推断和决策技术：Bruno De Finetti的论文，6，233-243（1986）·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。