基于 $\kappa$-$G$ 先验的线性回归贝叶斯变量选择
统计方法学
2016-10-20 v2
摘要
本文介绍了一种独立于传统指示变量法的线性回归贝叶斯变量选择新方法。我们在系数向量 的先验中引入一个对角矩阵 ，其对角线上的每个 （介于 0 和 1 之间）作为相应 的稳定器。数学上，有希望的变量其 值接近 0，而无希望变量对应的 值接近 1。本文在正交性条件下证明了该性质以及其他渐近性质。计算上，每个 的样本路径通过 Gibbs 采样内的 Metropolis 方法获得。此外，本文提供了两个模拟实验以验证该方法在变量选择方面的能力。
引用
@article{arxiv.1503.06370,
title = {Bayesian Variable Selection for Linear Regression with the $\kappa$-$G$ Priors},
author = {Zichen Ma and Ernest Fokoué},
journal= {arXiv preprint arXiv:1503.06370},
year = {2016}
}
备注
19 pages, 3 figures, 1 table, 1 algorithm