偏态 probit 回归——可识别性、收缩与重构
统计方法学
2020-09-22 v1
摘要
偏态 probit 回归不过是推广更简单模型（如 probit 回归）的统计模型之一例。所有偏对称分布与链接函数均通过某种偏斜机制引入偏度参数，由对称分布生成。本工作中我们处理偏态 probit 回归及更一般的偏对称分布或偏对称链接函数中的一些基本问题。我们从第一性原理重构截距，解决偏态 probit 模型参数的可识别性问题。给出了偏斜链接函数的新标准化，以提供推断的锚定解释。研究了可能的偏度参数并推导了其惩罚复杂度先验。该先验在偏度参数重参数化下不变，并量化了偏态 probit 模型向 probit 模型的收缩。所提结果已在 R-INLA 包中提供，并使用模拟数据及知名数据集（采用链接与似然）说明了本工作的使用与效果。
引用
@article{arxiv.2009.09414,
title = {Skewed probit regression -- Identifiability, contraction and reformulation},
author = {Janet van Niekerk and Haavard Rue},
journal= {arXiv preprint arXiv:2009.09414},
year = {2020}
}