×
大卫·罗塞尔;弗朗西斯科·卢比奥。

可追踪贝叶斯变量选择：超出常态。 （英文） Zbl 1409.62136号

美国统计协会。 113，第524号，1742-1758（2018）.
总结：贝叶斯变量选择通常假设为正态，但模型错误指定的影响尚未得到充分理解。这一假设背后有充分的理由，尤其是对于大范围而言：易于解释、分析和计算。存在更灵活的框架，包括半参数或非参数模型，通常以一些可控制性为代价。我们提出了一个简单的扩展，允许偏斜度和较厚的尾翼，但保持可牵引性。它易于解释，并具有对数可能性，有助于优化和集成。在一定的模型错误指定下，我们刻画了渐近参数估计和贝叶斯因子率。在适当的条件下，错误指定的贝叶斯因子以与正确模型相同的速率导致稀疏性。然而，检测信号的速率以指数因子变化，通常会降低灵敏度。这些不足可以通过推断误差分布来改善，这是一种可以大大改进推断的简单策略。我们的工作侧重于似然，可以与任何似然惩罚或先验相结合，但在这里，我们将重点放在非局部先验上，以诱导额外的稀疏性，并改善由指定错误引起的有限样本效应。我们表明了在贝叶斯变量选择中考虑似然而非先验的重要性。方法在R包“mombf”中。

引用于11文件

MSC公司：

62J05型 线性回归；混合模型
62C10个 贝叶斯问题；贝叶斯过程的特征
2012年12月62日 参数估计量的渐近性质
62层35 鲁棒性和自适应程序（参数推断）

关键词：

贝叶斯因子;型号规格错误;稳健回归;两件式误差;变量选择

软件：

妈妈;R（右）
PDF格式BibTeX公司 XML格式引用
\textit｛D.Rossell｝和\textit｛F.J.Rubio｝，J.Am.Stat.Assoc.113，编号524、1742-1758（2018；Zbl 1409.62136）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Alfons，A。；克罗克斯，C。；Gelper，S.，用于分析高维大数据集的稀疏最小二乘回归，《应用统计学年鉴》，第7期，第226-248页（2013年）·Zbl 1454.62123号
[2] Arellano-Valle，R。；Gómez，H。；Quintana，F.，《一类一般非对称分布的统计推断》，《统计规划与推断杂志》，128427-443（2005）·邮编：1095.62015
[3] Arslan，O.，回归中稳健参数估计和变量选择的加权LAD-LASSO方法，计算统计与数据分析，561952-1965（2012）·Zbl 1243.62029号
[4] Barbieri，M。；Berger，J.，最优预测模型选择，《统计学年鉴》，32870-897（2004）·Zbl 1092.62033号
[5] 巴亚里，M。；J.伯杰。；Forte，A。；Garcia-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
[6] Breheny，P。；Huang，J.，非凸惩罚回归的坐标下降算法，及其在生物特征选择中的应用，应用统计学年鉴，5232-253（2011）·Zbl 1220.62095号
[7] Calon，A。；Espinet，E。；帕洛莫·庞斯，S。；Tauriello，D。；伊格莱西亚斯，M。；塞斯佩德斯，M。；塞维拉诺，M。；纳达尔，C。；Jung，P。；张晓峰。；Byrom，D。；Riera，A。；罗塞尔，D。；Mangues，R。；马萨格，J。；桑乔，E。；Batlle，E.，结直肠癌对TGF-β驱动的基质细胞转移启动程序的依赖性，《癌细胞》，22，571-584（2012）
[8] Chae，M。；林，L。；邓森，D.，具有未知对称误差的贝叶斯稀疏线性回归，arXiv，1608.02143，1-34（2016）
[9] 钟，Y。；邓森，D.，带变量选择的非参数贝叶斯条件分布模型，美国统计协会杂志，1041646-1660（2009）·Zbl 1205.62039号
[10] 大冶，Z。；陈，J。；Li，H.，高维异方差回归及其在eQTL数据分析中的应用，生物统计学，68，316-326（2012）·Zbl 1241.62152号
[11] Dette，H.、Ley，C.和Rubio，F.（2017），“不对称分布的自然（非）信息先验”斯堪的纳维亚统计杂志.arXiv:1605.02880·Zbl 1407.62055号
[12] Eicker，F.，线性回归族最小二乘估计的渐近正态性和一致性，《数理统计年鉴》，34447-456（1964）·Zbl 0111.34003号
[13] 范，J。；范，Y。；Barut，E.，自适应稳健变量选择，《应用统计学年鉴》，42，324-351（2014）·兹比尔1296.62144
[14] 范，J。；Li，R.，《基于非关联惩罚可能性的变量选择及其Oracle属性》，美国统计协会杂志，96，1348-1360（2001）·Zbl 1073.62547号
[15] 费尔南德斯，C。；Steel，M.，《关于肥尾和偏斜的贝叶斯模型》，《美国统计协会杂志》，93，359-371（1998）·Zbl 0910.62024号
[16] Gijbels，I。；Vrinssen，I.，《线性回归中稳健的非负Garrote变量选择》，计算统计与数据分析，85，1-22（2015）·Zbl 1507.62061号
[17] Gottardo，R。；Raftery，A.，《贝叶斯鲁棒变换和变量选择：统一方法》，《加拿大统计杂志》，37361-380（2007）·Zbl 1177.62034号
[18] Grünwald，P。；Van Ommen，T.，错误指定线性模型的贝叶斯推断不一致性及其修复建议，贝叶斯分析，12，1069-1103（2017）·Zbl 1384.62088号
[19] Huber，P.，《稳健回归：渐近、猜想和蒙特卡罗》，《统计年鉴》，1799-821（1973）·Zbl 0289.62033号
[20] Johnson，V.，《高维和超高维环境下贝叶斯模型选择的数值方面》，贝叶斯分析，8，741-758（2013）·兹比尔1329.62136
[21] 约翰逊，V。；Rossell，D.，默认贝叶斯假设检验的先验密度，，英国皇家统计学会杂志, 72, 143-170 (2010) ·Zbl 1411.62019年
[22] ---《高维环境下的贝叶斯模型选择》，《美国统计协会杂志》，2012年第24期，第649-660页·兹比尔1261.62024
[23] Kimber，A.C.，《两段正态分布的方法》，《统计学中的通信——理论和方法》，第14期，第235-245页（1985年）·Zbl 0562.62024号
[24] K.K.奈特，异方差下回归参数L1-估计量的渐近性，《加拿大统计杂志》，27497-507（1999）·Zbl 0946.62024号
[25] Kocherginsky，M。；何，X。；Mu，Y.，回归分位数的实际置信区间，计算与图形统计杂志，14，41-55（2005）
[26] Koenker，R.，回归分位数的置信区间，第五届布拉格渐近统计研讨会论文集，349-359（1994），施普林格·弗拉格
[27] ---《分位数回归》（2005），剑桥：剑桥大学出版社，剑桥·Zbl 1111.62037号
[28] Koenker，R。；Bassett，G.，《线性假设和L1估计的检验》，《计量经济学》，第50期，第1577-1584页（1982年）·Zbl 0497.62057号
[29] 昆都，S。；邓森，D.，半参数线性模型中的贝叶斯变量选择，美国统计协会杂志，109437-447（2014）·Zbl 1367.62069号
[30] Lambert-Lacroix，S.，《通过Huber准则和自适应Lasso惩罚的稳健回归》，《电子统计杂志》，51015-153（2011）·Zbl 1274.62467号
[31] Levenberg，K.，用最小二乘法求解某些非线性问题的方法，应用数学季刊，2164-168（1944）·Zbl 0063.03501号
[32] Loh，P.-L.，高维稳健M-估计的统计一致性和渐近正态性，《统计年鉴》，45866-896（2017）·Zbl 1371.62023号
[33] Mallick，H。；高维线性模型的贝叶斯方法，生物计量与生物统计学杂志，2005年（2013）
[34] Marquardt，D.，非线性参数最小二乘估计算法，SIAM应用数学杂志，11431-441（1963）·Zbl 0112.10505号
[35] Mendelson，S.（2014），“一般损失函数的无专注学习”，1410.3192·Zbl 1393.62038号
[36] Mudholkar，G。；Hutson，A.，用于分析近正态数据的Epsilon-Skew-Normal分布，《统计规划与推断杂志》，83，291-309（2000）·兹比尔0943.62012
[37] Pollard，D.，《最小绝对偏差回归估计的渐近性》，《计量经济学理论》，第7期，186-199页（1991年）
[38] Rossell，D.、Cook，J.、Telesca，D.和Roebuck，P.（2016），mombof:矩和反矩贝叶斯因子（R包，版本1.8.1）。奥地利维也纳：R统计计算基金会。
[39] 罗塞尔，D。；Telesca，D.，高维估计的非局部先验，美国统计协会杂志，112254-265（2017）
[40] 罗塞尔，D。；Telesca博士。；约翰逊，V。；朱迪奇，P。；Ingrassia，S.公司。；Vichi，M.，《使用非局部先验的高维贝叶斯分类器》，数据分析的统计模型十五，305-314（2013），纽约：施普林格，纽约
[41] Rubio，F。；Genton，M.，《偏对称误差分布的贝叶斯线性回归及其在生存分析中的应用》，《医学统计学》，35，2441-2454（2016）
[42] Rubio，F。；Steel，M.，用Jeffreys Priors推断两件式位置-比例模型，贝叶斯分析, 9, 1-22 (2014) ·Zbl 1327.62157号
[43] Rubio，F。；Yu，K.，灵活目标贝叶斯线性回归及其在生存分析中的应用，应用统计学杂志，44798-810（2017）·Zbl 1516.62577号
[44] 斯科特·J。；Berger，J.，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）·兹比尔1200.62020
[45] Shin，M.、Bhattacharya，A.和Johnson，V.（2018），“超高维环境中使用非局部先验密度的可缩放贝叶斯变量选择”中国统计局, 28, 1053-1078. ·Zbl 1390.62125号
[46] Sorensen，D.，带模型信赖域修正的牛顿法，SIAM数值分析杂志，19409-426（1982）·Zbl 0483.65039号
[47] Srivastava，M.，回归参数的固定宽度置信界，《数理统计年鉴》，421403-1411（1971）·Zbl 0224.62034号
[48] Tibshirani，R.，《通过拉索进行回归收缩和选择》，，英国皇家统计学会杂志, 58, 267-288 (1996) ·Zbl 0850.62538号
[49] Wallis，K.，《两段正态、双正态或双高斯分布：其起源和重新发现》，《统计科学》，29，106-112（2014）·Zbl 1332.60009号
[50] Wang，H。；李·G。；江刚，通过LAD-LASSO进行稳健回归收缩和一致变量选择，《商业与经济统计杂志》，25347-355（2007）
[51] Wang，L。；Li，R.，加权Wilcoxon型平滑剪裁绝对偏差法，生物统计学，65，564-571（2009）·Zbl 1167.62093号
[52] Wang，L.，Tang，Y.，Sinha，D.，Pati，D.，and Lipsitz，S.（2016），“偏异方差反应的贝叶斯变量选择”。
[53] Wu，L。；Liu，Y.，分位数回归中的变量选择，中国统计，19880-809（2009）·Zbl 1166.62012年
[54] Yan，Y.和Kottas，A.（2017），“贝叶斯分位数回归误差分布的新家族”，arXiv预印本arXiv:1701.05666。
[55] Yu，K。；陈，C。；里德，C。；邓森，D.，《分位数回归中的贝叶斯变量选择》，《统计学及其接口》，第6期，第261-274页（2013年）·Zbl 1327.62135号
[56] 袁，T。；黄，X。；Woodcock，M。；杜，M。；Dittmar，R。；Wang，Y。；蔡，S。；科利，M。；Boardman，L。；帕特尔，T。；Wang，L.，健康和癌症患者的血浆细胞外RNA谱，科学报告，6，1-11（2016）
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。