我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
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。
陈明慧。 蓝黄。 约瑟夫·易卜拉欣(Joseph G.Ibrahim)。 Sungduk Kim。 “具有共轭先验的广义线性模型的贝叶斯变量选择和计算。” 贝叶斯分析。 3 (3) 585 - 613, 2008年9月。 https://doi.org/10.1214/08-BA323