使用贝叶斯 WAND 揭示排序数据中的子群结构
统计方法学
2018-10-26 v2 应用统计
摘要
排序数据出现在许多应用领域，从癌症上调基因的排序到学术统计期刊的排序。当排序者未报告所有实体的完整排序时会出现复杂性；例如，他们可能仅在看到部分或全部实体后报告其前 个排序实体。了解排序者是否同样具有信息量，以及某些实体是否实际上被判断为可交换的，也可能是有用的。当数据中存在重要的子群结构时，诸如聚合（整体）排序之类的摘要可能产生误导。在本文中，我们提出一种灵活的贝叶斯非参数模型，用于识别排序数据中的异质结构与排序者可靠性。该模型是 Plackett-Luce 模型的加权自适应嵌套狄利克雷（WAND）过程混合，推断通过简单高效的 Gibbs 采样方案进行后验抽样。后验分布的丰富信息使我们能够推断排序者组之间以及实体组（在排序者组内）之间结构的许多细节，这与许多其他（贝叶斯）分析形成对比。我们还考察了如何使用后验预测检验来识别模型拟合不足。该方法通过若干模拟研究与真实数据示例加以说明。
引用
@article{arxiv.1806.11392,
title = {Revealing subgroup structure in ranked data using a Bayesian WAND},
author = {Stephen R. Johnson and Daniel A. Henderson and Richard J. Boys},
journal= {arXiv preprint arXiv:1806.11392},
year = {2018}
}