中心参数化下偏正态尺度混合线性模型的贝叶斯推断
统计方法学
2024-06-06 v1
摘要
在许多情况下，我们希望对响应分布（即使在协变量条件下）呈现偏态和/或重/轻尾的实际数据进行建模。在这些情况下，考虑基于偏态和/或重/轻尾分布的模型更为合适，例如偏正态分布的尺度混合类。该分布的经典参数化可能不佳，因为当偏度参数在0邻域时存在一些推断问题，因此中心参数化更为合适。本文开发了中心参数化下的偏正态尺度混合分布类，并提出了基于它们的线性回归模型。我们探索了层次表示，并建立了用于参数估计的MCMC方案。此外，我们开发了残差和影响分析工具。通过蒙特卡洛实验评估了MCMC算法的性能和残差分布的行为。通过分析一个真实数据集说明了该方法。
引用
@article{arxiv.2406.03432,
title = {Bayesian inference for scale mixtures of skew-normal linear models under the centered parameterization},
author = {João Victor B. de Freitas and Caio L. N. Azevedo},
journal= {arXiv preprint arXiv:2406.03432},
year = {2024}
}