具有偏对称误差分布的贝叶斯线性回归及其在生存分析中的应用
应用统计
2016-01-12 v1
摘要
我们研究了具有偏对称正态尺度混合误差分布的贝叶斯线性回归模型。这类模型可用于通过重尾和不对称性来捕捉误差正态性常规假设的偏离。我们为这些回归模型提出了一种通用的非信息先验结构，并证明在温和条件下相应后验分布是正则的。我们将这些正则性结果扩展到响应变量被删失的情况。后一种情景在加速失效时间模型的背景下令人关注，这与生存分析相关。我们提出了一项模拟研究，证明了与所提先验相关的后验可信区间具有良好的频率性质。该研究也揭示了增加模型灵活性与过拟合风险之间的权衡。我们用真实数据说明了所提模型的性能。尽管我们关注单变量响应变量的模型，我们也在支撑网络材料中给出了多元情况的某些扩展。
引用
@article{arxiv.1601.02224,
title = {Bayesian linear regression with skew-symmetric error distributions with applications to survival analysis},
author = {Francisco J. Rubio and Marc G. Genton},
journal= {arXiv preprint arXiv:1601.02224},
year = {2016}
}