贝叶斯分层模型的敏感性分析
统计方法学
2013-12-18 v1
摘要
先验敏感性检验在应用贝叶斯分析中起着重要作用。对于贝叶斯分层模型而言，这一点尤为关键，因为在该模型中，解释层级深处参数的含义极具挑战性。此外，信息缺乏连同可识别性问题可能意味着此类模型的先验分布会对后验推断产生不良影响。尽管其相关性显著，目前仍在使用非正式的先验敏感性分析方法。这些方法需要反复重新运行模型，并临时修改基础先验参数值。其他正式的先验敏感性分析方法则因计算成本高且缺乏软件实现而在实践中普及度不足。我们提出了一种新颖、快速且准确的正式先验敏感性分析方法。该方法无需重新运行模型即可量化敏感性。我们开发了一个名为 priorSens 的 R 语言即用型软件包，用于通过 R-INLA 进行常规的先验敏感性调查。通过一系列示例，我们展示了如何利用该方法检测某些参数的高先验敏感性，以及可能在过度参数化的贝叶斯分层模型中存在的可识别性问题。
引用
@article{arxiv.1312.4797,
title = {Sensitivity analysis for Bayesian hierarchical models},
author = {Malgorzata Roos and Thiago G. Martins and Leonhard Held and Havard Rue},
journal= {arXiv preprint arXiv:1312.4797},
year = {2013}
}
备注
25 pages, 3 figures