用于贝叶斯分位数回归的一类新误差分布族
统计方法学
2017-02-10 v2
摘要
我们提出了一类用于基于模型的分位数回归的新误差分布族，其通过正态分布的结构化混合构造。该构造能够固定分布的具体百分位数，同时允许改变众数、偏度和尾部行为。因此，它克服了非对称拉普拉斯分布——参数化分位数回归最常用的误差模型——的严重局限，对于后者，当固定特定百分位数时，误差密度的偏度即被完全确定。我们为所提出的分位数回归模型发展了贝叶斯公式，包括基于回归系数的层次拉普拉斯先验的条件lasso正则化分位数回归，以及托比特分位数回归模型。后验推断通过马尔可夫链蒙特卡罗方法实现。通过相关模型性质以及一项在正则化分位数回归中比较两种误差分布的模拟实验，研究了新模型相对于非对称拉普拉斯分布的灵活性。此外，利用文献中先前考虑过的数据示例，阐明了该模型在线性分位数回归、正则化分位数回归和托比特分位数回归中的表现。
引用
@article{arxiv.1701.05666,
title = {A New Family of Error Distributions for Bayesian Quantile Regression},
author = {Yifei Yan and Athanasios Kottas},
journal= {arXiv preprint arXiv:1701.05666},
year = {2017}
}
备注
Presented at the 10th ICSA international conference in Shanghai, China (December 19-22, 2016); submitted to Bayesian Analysis