针对马蹄形先验的信号自适应变量选择器
统计方法学
2018-10-23 v1
摘要
在本文中，我们提出一种简单的方法，利用如流行的马蹄形先验等连续收缩先验，在模型拟合之后进行变量选择。所提出的信号自适应变量选择器（SAVS）方法对后验均值等点估计进行后处理，将变量分组为信号与零信号。该方法完全自动化，无需指定任何调优参数。我们开展了全面的模拟研究，将所提出的 SAVS 方法与频率派惩罚过程及贝叶斯模型选择过程进行比较。发现在所有考虑的设置中 SAVS 极具竞争力，且尤其对相关性设计表现出鲁棒性。我们还将 SAVS 应用于一个含逾 20,000 个协变量的基因组数据集，以展示其可扩展性。
关键词
引用
@article{arxiv.1810.09004,
title = {Signal Adaptive Variable Selector for the Horseshoe Prior},
author = {Pallavi Ray and Anirban Bhattacharya},
journal= {arXiv preprint arXiv:1810.09004},
year = {2018}
}
备注
21 pages (including appendix and references), 11 figures, 10 tables