Bayesian variable selection and computation for generalized linear models with conjugate priors

Ming-Hui Chen; Lan Huang; Joseph G. Ibrahim; Sungduk Kim

doi:10.1214/08-BA323

2008年9月共轭先验广义线性模型的贝叶斯变量选择与计算

陈明慧,兰黄（Lan Huang）,约瑟夫·易卜拉欣,Sungduk Kim先生

贝叶斯分析。 3(3): 585-613 （2008年9月）。内政部：10.1214/08-BA323

摘要

在本文中，我们考虑了广义线性模型（GLM）中六种常用的变量子集选择方法之间的理论和计算联系。在Chen和Ibrahim（2003）为广义线性模型开发的共轭先验下，我们获得了贝叶斯因子（后验模型概率）、条件预测序数（CPO）、L测度、偏差信息准则（DIC）、Aikiake信息准则（AIC）、，以及线性模型情况下的贝叶斯信息准则（BIC）。此外，我们研究了在共轭先验下任意GLM的这些贝叶斯方法在模型空间中的计算关系，以及Chen和Ibrahim（2003）的共轭先验在贝叶斯变量选择中的性能。特别地，我们表明，一旦从完整模型中获得马尔可夫链蒙特卡罗（MCMC）样本，就可以同时计算模型空间中所有可能子集模型的四个贝叶斯准则。我们通过模拟研究和实际数据集来说明我们的新方法。