回归模型中正态-复合伽马先验的统计推断
统计方法学
2022-12-27 v1
摘要
尺度混合收缩先验近来被证明具有稳健的经验表现与优良的理论性质,如模型选择一致性与(近)极小极大后验收缩速率。本文中,由各自逆尺度参数与伽马分布复合得到的正态-复合伽马先验(NCG)被用作尺度参数的先验。该模型因其与多种有用模型的关系而显吸引力。超参数的调节给出了与其他一些模型相同的收缩性质。在不同条件集下,后验被证明既强一致又具有依假设集而定的近最优收缩速率。此外,推导了蒙特卡洛马尔可夫链(MCMC)与变分贝叶斯算法,随后提出一种更新超参数的方法并融入 MCMC 与变分贝叶斯算法。最后,利用真实与模拟数据展示了该模型吸引力的经验证据,以将预测结果与此前模型比较。
引用
@article{arxiv.2212.13144,
title = {Statistical inference with normal-compound gamma priors in regression models},
author = {Ahmed Alhamzawi and Gorgees Shaheed Mohammad},
journal= {arXiv preprint arXiv:2212.13144},
year = {2022}
}