×
川崎由纪夫;达须雅库博卡瓦;穆尼·S·斯利瓦斯塔瓦。

基于贝叶斯边际似然的AIC变体。 （英语） Zbl 1392.62206号

Sankhyā，塞尔维亚。B 80，第1号，60-84（2018）.
总结：我们从频率学家的角度提出了基于贝叶斯边际似然的预测密度预测风险的信息标准。我们推导了在线性回归模型中选择变量的标准，假设回归系数的先验分布。然后，我们讨论了所提出的准则与相关准则之间的关系。我们的方法有三个优点。首先，这是频率学家和贝叶斯观点之间的折衷，因为它评估了频率学家使用贝叶斯模型的风险。因此，它较少受到先前错误指定的影响。其次，在选择真实模型时，标准表现出一致性。第三，当假设回归系数的先验值一致时，所得准则等价于P.Shi先生和蔡英文（C.-L.Tsai）[J.R.Stat.Soc.，Ser.B，Stat.Methodol.64，No.2，237–252（2002；Zbl 1059.62074号)].

引用于1文件

MSC公司：

62J05型 线性回归；混合模型
2012年12月62日 参数估计量的渐近性质

关键词：

AIC公司;比克;一致性;Kullback-Leibler散度;线性回归模型;剩余信息准则;变量选择

引文：

Zbl 1059.62074号
PDF格式BibTeX公司 XML格式引用
\textit{Y.Kawakubo}等人，Sankhyá，Ser。B 80，编号1，60--84（2018；Zbl 1392.62206）
全文： 内政部 arXiv公司

参考文献：

[1] Akaike，H.（1973）。信息论和最大似然原理的推广。在第二届信息理论国际研讨会B.N.Petrov，F.Csaki（编辑）。Akademiai Kiado，布达佩斯，第267-281页·Zbl 0283.62006号
[2] Akaike，H，统计模型识别的新视角。系统识别和时间序列分析，IEEE Trans。自动。控制，AC-19，716-723，（1974）·Zbl 0314.62039号 ·doi:10.1109/TAC.1974.1100705
[3] Akaike，H，关于高斯模型的预测似然性的使用，Ann.Inst.Stat.Math。，32, 311-324, (1980) ·Zbl 0457.62009号 ·doi:10.1007/BF02480336
[4] Akaike，H.（1980年b）。可能性和安全性。在贝叶斯统计N.J.Bernard、M.H.Degreoot、D.V.Lindaley、A.F.M.Simith（编辑）。瓦伦西亚大学出版社，第141-166页·Zbl 0850.62538号
[5] Ando，T，用于评估分层贝叶斯和经验贝叶斯模型的贝叶斯预测信息标准，Biometrika，94，443-458，（2007）·兹比尔1132.62005 ·doi:10.1093/biomet/asm017
[6] 通用电气公司巴蒂斯；哈特尔，RM；华盛顿州Fuller，《利用调查和卫星数据预测县域作物面积的误差分量模型》，美国统计协会，83，28-36，（1988）·doi:10.1080/01621459.1988.10478561
[7] Bozdogan，H，《模型选择和akaike的信息标准（AIC）：一般理论及其分析扩展》，《心理测量学》，52，345-370，（1987）·Zbl 0627.62005号 ·doi:10.1007/BF02294361
[8] Dellaportas，P.、Forster，J.J.和Ntzoufras，I.（1997年）。基于MCMC的贝叶斯模型及变量选择《技术报告》，雅典经济与商业大学统计系，雅典·Zbl 1247.62086号
[9] 乔治，EI；McCulloch，RE，《通过吉布斯抽样选择变量》，美国统计协会，88，881-889，（1993）·doi:10.1080/01621459.1993.10476353
[10] 乔治，EI；McCulloch，RE，《贝叶斯变量选择方法》，Stat.Sin。，7, 339-373, (1997) ·Zbl 0884.62031号
[11] 亨德森，CR，遗传参数估计，《数学年鉴》。统计，21，309-310，（1950）
[12] 赫尔维奇，CM；Tsai，C-L，小样本回归和时间序列模型选择，Biometrika，76297-307，（1989）·Zbl 0669.62085号 ·doi:10.1093/biomet/76.2.297
[13] Kitagawa，G，贝叶斯模型预测评估的信息标准，《统计学中的通信——理论和方法》，26，2223-2246，（1997）·Zbl 0954.62528号 ·doi:10.1080/03610929708832043
[14] 郭，L；Mallick，B，回归模型的变量选择，Sankhya，B系列，60，65-81，（1998）·Zbl 0972.62016号
[15] Nishii，R，多元回归中变量选择标准的渐近性质，Ann.Stat.，12758-765，（1984）·Zbl 0544.62063号 ·doi:10.1214/aos/1176346522
[16] 奥哈拉，RB；Sillanpaa，MJ，《贝叶斯变量选择方法综述：什么、如何以及是什么，贝叶斯分析》。，4，85-118，（2009年）·Zbl 1330.62291号 ·doi:10.1214/09-BA403
[17] 帕特森，HD；Thompson，R，块大小不相等时块间信息的恢复，Biometrika，58，545-554，（1971）·Zbl 0228.62046号 ·doi:10.1093/biomet/583.545
[18] Schwarz，G，估算模型的维数，Ann.Stat.，6，461-464，（1978）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[19] 邵，J，线性模型选择的渐近理论，统计正弦。，7221-264，（1997年）·Zbl 1003.62527号
[20] 施，P；Tsai，C-L，回归模型选择——残差似然法，J.R.Stat.Soc.Ser。B、 64、237-252（2002）·Zbl 1059.62074号 ·doi:10.1111/1467-9868.00335
[21] Shibata，R，回归变量的最佳选择，Biometrika，68，45-54，（1981）·Zbl 0464.62054号 ·doi:10.1093/biomet/68.1.45
[22] 施皮格尔（Spiegelhalter），DJ；最佳，NG；英国石油公司卡林；Linde，A，模型复杂性和拟合的贝叶斯度量，J.R.Stat.Soc.Ser。B、 64，583-639，（2002）·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353
[23] Srivastava，理学硕士；Kubokawa，T，线性混合模型中选择变量的条件信息标准，J.Multivar。分析。，101, 1970-1980, (2010) ·Zbl 1203.62121号 ·doi:10.1016/j.jmva.2010.05.007
[24] Sugiura，N，用akaike的信息准则和有限修正对数据的进一步分析，《统计学中的通信——理论和方法》，7，13-26，（1978）·Zbl 0382.62060号 ·doi:10.1080/03610927808827599
[25] Tibshirani，R，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.Ser。B、 58267-288（1996）·Zbl 0850.62538号
[26] 瓦伊达，F；Blanchard，S，《混合效应模型的条件Akaike信息》，Biometrika，92，351-370，（2005）·Zbl 1094.62077号 ·doi:10.1093/biomet/92.2.351
[27] 徐，X；Ghosh，M，群套索的贝叶斯变量选择和估计，贝叶斯分析。，10, 909-936, (2015) ·Zbl 1334.62132号 ·doi:10.1214/14-BA929
[28] Zellner，A.（1986年）。关于评估先验分布和使用G-先验分布进行贝叶斯回归分析。在贝叶斯推理和决策技术：纪念布鲁诺·德·菲内蒂的论文P.K.Goel，A.Zellner（编辑）。荷兰北部/埃尔塞维尔，阿姆斯特丹，第233-243页·兹比尔0655.62071
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。