使用R-INLA的快速准确贝叶斯模型批评与冲突诊断
统计方法学
2017-11-02 v4 统计理论
统计计算
统计理论
摘要
贝叶斯层次模型对于复杂数据的真实建模与分析日益流行。这一趋势伴随着对灵活、通用且计算高效的模型批评与冲突检测方法的需求。通常，贝叶斯层次模型包含个体数据点的分组，例如重复测量数据中的个体。在此类情况下，会出现以下问题：是否存在任何组是“离群值”，或与其余组冲突？当模型拟合基于MCMC时，旨在回答此类问题的现有通用方法往往计算量极大。我们展示了如何通过集成嵌套拉普拉斯近似（INLA）快速准确地进行组级模型批评与冲突检测。该新方法作为贝叶斯计算开源R-INLA包（http://r-inla.org）的一部分实现。
引用
@article{arxiv.1708.03272,
title = {Fast and accurate Bayesian model criticism and conflict diagnostics using R-INLA},
author = {Egil Ferkingstad and Leonhard Held and Håvard Rue},
journal= {arXiv preprint arXiv:1708.03272},
year = {2017}
}