利用多元Spike-and-Slab Lasso进行同时变量与协方差选择
统计方法学
2019-03-29 v2
摘要
我们提出了一种贝叶斯方法，利用连续spike-and-slab先验在多元线性回归模型中进行同时变量和协方差选择，其中q个可能相关的响应变量回归到p个预测变量上。我们开发了一种ECM算法，类似于Rockova & George (2014)的EMVS过程，旨在获得回归系数矩阵和残差精度矩阵的模态估计，而不依赖于在高维模型空间中的随机搜索。改变连续spike密度的尺度有助于动态后验探索，并使我们能够逐步过滤掉可忽略的回归系数和偏协方差。在模拟数据上，我们的方法显著优于正则化竞争方法。我们通过重新分析一项近期观测研究的数据来演示我们的方法，该研究探讨了高中橄榄球运动对后期生活中多个认知、心理和社会经济结果的影响。
引用
@article{arxiv.1708.08911,
title = {Simultaneous Variable and Covariance Selection with the Multivariate Spike-and-Slab Lasso},
author = {Sameer K. Deshpande and Veronika Rockova and Edward I. George},
journal= {arXiv preprint arXiv:1708.08911},
year = {2019}
}