×
布莱恩·雷奇（Brian J.Reich）。;霍华德·邦德尔。;王慧霞J。

独立和聚类数据的灵活贝叶斯分位数回归。 （英语） Zbl 1437.62589号

生物统计学 11，第2期，337-352（2010）.
小结：分位数回归已成为普通均值回归的有益补充。传统的频率分位数回归对误差分布的形式做了非常小的假设，因此能够适应许多应用中常见的非正态误差。然而，对于这些模型的推断是具有挑战性的，特别是对于集群或审查数据。贝叶斯方法支持精确推断，非常适合合并聚集、缺失或删减的数据。本文提出了一种灵活的贝叶斯分位数回归模型。我们假设误差分布是高斯密度的无限混合，受随机约束，可以对感兴趣的分位数进行推断。在大量模拟数据模型下，该方法优于传统的频率计方法。我们扩展了所提出的方法来分析聚类数据。在这里，我们区分并开发了集群数据的条件模型和边际模型。我们应用我们的方法分析了一个多患者呼吸暂停持续时间数据集。

引用于38文件

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析

软件：

R（右）
PDF格式BibTeX公司 XML格式引用
\textit{B.J.Reich}等人，《生物统计学》11，第2期，337--352（2010；Zbl 1437.62589）
全文： 内政部

参考文献：

[1] 一些非参数问题的贝叶斯分析，1209-230（1973）·Zbl 0255.62037号 ·doi:10.1214/aos/1176342360
[2] 概率测度空间上的先验分布，2615-629（1974）·兹伯利0286.62008 ·doi:10.1214/aos/1176342752
[3] 基于Dirichlet过程混合的贝叶斯非参数空间建模，1001021-1035（2005）·Zbl 1117.62342号 ·doi:10.1198/0162145000002078
[4] 层次模型中方差参数的先验分布（Browne和Draper的文章评论），1515-534（2006）·Zbl 1331.62139号 ·doi:10.1214/06-BA117A
[5] 使用不对称拉普拉斯分布对纵向数据进行分位数回归，8140-154（2007）·Zbl 1170.62380号 ·doi:10.1093/biostatistics/kxj039
[6] 基于订单的依赖性Dirichlet过程，101179-194（2006）·Zbl 1118.62360号 ·doi:10.1198/01621450000000727
[7] Polya树混合的回归误差建模，971020-1033（2002）·Zbl 1048.62101号 ·doi:10.1198/016214502388618843
[8] 关于Dirichlet过程混合模型中中心分布的选择，72，153-162（2005）·Zbl 1123.62025号 ·doi:10.1016/j.spl.2004.12.008
[9] 无交叉分位数曲线，51186-192（1997）
[10] 非参数贝叶斯统计专题，455-487（2003）
[11] 使用Dirichlet过程的非参数分位数推断，463-492（2007）
[12] 基于混合的凸模型的非参数估计，31174-200（2003）·Zbl 1018.62023号 ·doi:10.1214/aos/1046294461
[13] 破胶前期吉布斯取样方法，96，161-173（2001）·Zbl 1014.62006年 ·doi:10.19198/0162114501750332758
[14] 中值回归模型的拟似然，91，251-257（1996）·Zbl 0871.62060号 ·doi:10.1080/01621459.1996.10476683
[15] 回归分位数的实际置信区间，14，41-55（2005）·doi:10.1198/106186005X27563
[16] 纵向数据的分位数回归，91，74-89（2004）·Zbl 1051.62059号 ·doi:10.1016/j.jmva.2004.05.006
[17] (2005)
[18] 贝叶斯半参数中值回归建模，961458-1468（2001）·Zbl 1051.62038号 ·doi:10.1198/016214501753382363
[19] 分位数回归中的贝叶斯非参数建模，36297-319（2009）·Zbl 1190.62053号 ·doi:10.1111/sjos.2009.36第2期
[20] 有脱落的纵向数据的分位数回归方法：应用于人类免疫缺陷病毒感染患者的CD4细胞计数，46463-476（1997）·Zbl 0908.62114号 ·doi:10.1111/rssc.1997.46第4期
[21] Dirichlet过程层次模型的回顾性MCMC，95，169-186（2008）·Zbl 1437.62576号 ·doi:10.1093/biomet/asm086
[22] 与荧光透视和呼吸计量事件相关的Bolus位置，48，21-33（2005）·doi:10.1044/1092-4388（2005/003）
[23] R： 统计计算语言与环境（2006）
[24] 飓风表面风场的多元半参数贝叶斯空间建模框架，1249-264（2007）·Zbl 1129.62114号 ·doi:10.1214/07-AOAS108
[25] 使用非参数权重的正态混合物的贝叶斯增长曲线，12，208-331（2003）·doi:10.1198/1061860031725
[26] 一种基于非参数模型的分位数回归推理方法。技术报告ams2007-21（2007）
[27] 贝叶斯半参数加速失效时间模型，55477-483（1999）·Zbl 1059.62531号 ·doi:10.1111/j.0006-341X.1999.00477.x
[28] 纵向研究中删失分位数回归模型的推断，37756-781（2009）·Zbl 1162.62035号 ·doi:10.1214/07-AOS564
[29] 检测基因芯片微阵列研究中的差异表达：分位数方法，102104-112（2007）·Zbl 1284.62439号 ·doi:10.1198/0162145000001220
[30] 多变量失效时间数据的分位数回归模型，61151-161（2005）·Zbl 1077.62086号 ·doi:10.1111/biom.2005.61.问题1
[31] 贝叶斯分位数回归，54437-447（2001）·Zbl 0983.62017号 ·doi:10.1016/S0167-7152（01）00124-9
[32] 具有偏态t分布的线性混合模型中的三步估计，1381542-1555（2008）·Zbl 1131.62016年 ·doi:10.1016/j.jspi.2007.04.033
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。