×

随机搜索变量选择。 (英语) Zbl 0844.62051号

Gilks,W.R.(编辑)等人,《马尔可夫链蒙特卡罗实践》。伦敦:查普曼和霍尔。203-214 (1996).
在建立统计模型时,实践者经常面临的一个关键问题是选择要纳入的变量。我们描述了我们的论文中引入的一个新程序,J.Am.Stat.Assoc.85,398-400(1993),该程序随机搜索预测因子的“有希望”子集。这个过程,我们称之为随机搜索变量选择(SSVS),在所有可能的回归模型集上放置一个概率分布,以使“有希望”的模型具有最高的概率,然后使用吉布斯采样器模拟来自该分布的相关样本。然后,更有希望的模型很容易被识别为在此样本中出现频率最高的模型。即使模拟样本的大小远小于可能模型的数量,这种方法仍然有效,因为绝大多数模型的概率都很小,可以忽略不计。我们已经成功地将SSVS应用于具有数百个潜在预测因子的问题。
关于整个系列,请参见[Zbl 0832.00018号].

MSC公司:

62J05型 线性回归;混合模型
2015年1月62日 贝叶斯推断
62J12型 广义线性模型(逻辑模型)
PDF格式BibTeX公司 XML格式引用