使用带岭参数的 g 先验分布进行变量选择的研究
统计方法学
2012-04-30 v4
摘要
在贝叶斯随机搜索变量选择框架中，回归系数的一个常见先验分布是 Zellner (1986) 的 g 先验。然而，在两种标准情况下，其相关的协方差矩阵不存在，因此无法使用 Zellner 的传统先验：观测数少于变量数（大 p 小 n 范式），或者某些变量是其他变量的线性组合。在这种情况下，可以通过引入岭参数来使用由 Zellner 先验导出的先验分布。Gupta 和 Ibrahim (2007) 引入的这一先验是 g 先验的一种灵活且简单的自适应。在本文中，我们研究了岭参数对变量选择的影响。提出了一种选择相关超参数的简单方法。该方法对任何广义线性混合模型均有效，并且我们重点关注当某些变量是其他变量的线性组合时的 probit 混合模型情形。该方法被应用于模拟数据集以及从 Affymetrix 微阵列实验中获得的真实数据集。结果与使用贝叶斯 Lasso 获得的结果进行了比较。
引用
@article{arxiv.1102.0470,
title = {A study of variable selection using g-prior distribution with ridge parameter},
author = {Meili Baragatti and Denys Pommeret},
journal= {arXiv preprint arXiv:1102.0470},
year = {2012}
}