带惩罚样条的广义加性模型选择的g先验混合
统计方法学
2012-08-21 v2
摘要
我们提出了一种客观贝叶斯方法，用于广义加性模型中协变量及其惩罚样条变换的选择。为此任务，指定模型参数的合理默认先验，并将其与模型本身的多重性校正先验相结合至关重要。这里我们使用经过充分研究且表现良好的g先验的连续混合作为默认先验。我们在正态模型中引入该方法，并将其扩展到非正态指数族。一项模拟研究和文献中的一个应用说明了所提出的方法。R包“hypergsplines”中提供了高效实现。
引用
@article{arxiv.1108.3520,
title = {Mixtures of g-Priors for Generalised Additive Model Selection with Penalised Splines},
author = {Daniel Sabanés Bové and Leonhard Held and Göran Kauermann},
journal= {arXiv preprint arXiv:1108.3520},
year = {2012}
}
备注
34 pages, 2 figures, 5 tables