Spike and Slab先验在贝叶斯变量选择中的比较
统计方法学
2018-12-19 v1
摘要
构建回归模型的一项重要任务是决定哪些回归变量应纳入最终模型。在贝叶斯方法中，变量选择可使用针对待选效应具有spike和slab两成分的混合先验来完成。由于spike集中于零，变量选择基于将相应回归效应分配给slab成分的概率。这些后验包含概率可通过MCMC抽样确定。本文中，我们比较了若干spike and slab先验的MCMC实现，就模拟数据的后验包含概率及其抽样效率而言。此外，我们在两种简单设定下解析考察不同slab下的后验包含概率。spike and slab先验变量选择的应用在一组精神科患者数据上予以说明，其目标是识别影响代谢的协变量。
引用
@article{arxiv.1812.07259,
title = {Comparing Spike and Slab Priors for Bayesian Variable Selection},
author = {Gertraud Malsiner-Walli and Helga Wagner},
journal= {arXiv preprint arXiv:1812.07259},
year = {2018}
}