用集成嵌套拉普拉斯近似拟合双重分层模型
统计方法学
2022-01-20 v1
摘要
双重分层广义线性模型（DHGLM）是一类足够灵活的模型族，可分层建模均值与尺度参数。在贝叶斯框架下，当使用典型的马尔可夫链蒙特卡洛（MCMC）方法处理时，由于模型中不同参数与效应间潜在的高相关性，拟合高度参数化的分层模型具有挑战性。可改用集成嵌套拉普拉斯近似（INLA）以避免处理这些问题。然而，DHGLM 不属于 INLA 可拟合的潜高斯马尔可夫随机场（GMRF）模型。本文展示了如何通过结合 INLA 与重要性采样（IS）算法用 INLA 拟合 DHGLM。特别地，我们将说明如何将 DHGLM 拆分为可用 INLA 拟合的子模型，从而借助分层模型的图表示，利用自适应多重 IS（AMIS）拟合其余参数。通过三类不同模型的模拟研究及两个真实数据示例进行了说明。
引用
@article{arxiv.2201.07493,
title = {Fitting Double Hierarchical Models with the Integrated Nested Laplace Approximation},
author = {Mabel Morales-Otero and Virgilio Gómez-Rubio and Vicente Núñez-Antón},
journal= {arXiv preprint arXiv:2201.07493},
year = {2022}
}