面向整数值数据的同步变换与舍入 (STAR) 模型
统计方法学
2019-09-04 v2 应用统计
统计计算
机器学习
摘要
我们提出了一个简单而强大的框架，用于对整数值数据（如计数、得分和舍入数据）进行建模。数据生成过程由对一个连续值过程进行同步变换与舍入 (STAR) 来定义，这产生了一个灵活的整数值分布族，能够对零膨胀、有界或删失数据以及过度或不足离散进行建模。变换被建模为未知以获得更大的分布灵活性，而舍入操作确保了连贯的整数值数据生成过程。开发了一种高效的MCMC算法用于后验推断，并提供了将成功的连续数据贝叶斯模型和算法适应到整数值数据环境的机制。利用STAR框架，我们为整数值数据设计了一个新的贝叶斯加性回归树 (BART) 模型，该模型在合成数据和一个大型医疗保健利用数据集上均展示了令人印象深刻的预测分布准确性。为了进行可解释的基于回归的推断，我们开发了一个STAR加性模型，它比现有的整数值模型提供了更大的灵活性和可扩展性。STAR加性模型被应用于研究亚马逊河豚近期的数量下降。
引用
@article{arxiv.1906.11653,
title = {Simultaneous Transformation and Rounding (STAR) Models for Integer-Valued Data},
author = {Daniel R. Kowal and Antonio Canale},
journal= {arXiv preprint arXiv:1906.11653},
year = {2019}
}