用于秩数据经验贝叶斯分析的新型三明治算法
统计方法学
2017-09-08 v1
摘要
秩数据经常出现在市场营销、金融、组织行为学和心理学中。文献中报道的大多数秩数据分析假设存在一个或多个（有时是潜在的）变量，项目根据这些变量的值进行排序。在本文中，我们使用纯概率模型分析秩数据，其中观测到的秩被假定为真实秩的扰动版本，且每次扰动都有特定的发生概率。我们考虑了协变量信息存在并对排序产生影响的一般情况。采用经验贝叶斯方法来估计模型参数。Gibbs 抽样器被证明非常缓慢地收敛到目标后验分布，并且我们表明一些广泛使用的经验收敛诊断工具可能无法检测到这种缺乏收敛性的情况。我们提出了一种新颖的、快速混合的三明治算法来探索后验分布。开发了一种基于 Markov chain Monte Carlo (MCMC) 抽样的 EM 算法来估计先验超参数。使用本文开发的方法分析了一个真实的秩数据集。所获得的结果表明这些方法在分析带有协变量信息的秩数据时的有用性。
引用
@article{arxiv.1708.04377,
title = {A novel sandwich algorithm for empirical Bayes analysis of rank data},
author = {Arnab Kumar Laha and Somak Dutta and Vivekananda Roy},
journal= {arXiv preprint arXiv:1708.04377},
year = {2017}
}