高斯线性模型中 Jeffreys 幂期望后验贝叶斯因子的极限行为
统计计算
2014-12-02 v2
摘要
期望后验先验 (EPP) 已被证明对正态线性模型回归系数的假设检验极为有用。使用 EPP 的优势之一在于，基线先验的不正常性不会导致不确定性。然而，在回归问题中，它们基于一个或多个\textit{训练样本}，这可能会影响最终的后验分布。幂期望后验先验是最小信息先验，通过结合幂先验和单位信息先验方法的思想，减弱了训练样本对 EPP 方法的影响。本文证明了在设计矩阵满足非常温和条件的正态线性模型中，当使用以独立性 Jeffreys（或参考）先验为基线的幂期望后验先验时，贝叶斯因子具有一致性。
引用
@article{arxiv.1307.2435,
title = {Limiting behavior of the Jeffreys Power-Expected-Posterior Bayes Factor in Gaussian Linear Models},
author = {Dimitris Fouskakis and Ioannis Ntzoufras},
journal= {arXiv preprint arXiv:1307.2435},
year = {2014}
}