相关二元数据偏斜椭圆链接模型的可处理贝叶斯推断
统计方法学
2021-01-08 v1
摘要
带有协变量的相关二元响应数据在纵向或空间研究中无处不在。在现有统计模型中，此类数据最著名的是多元 probit 模型，其使用高斯链接在潜变量层面建模依赖性。然而，若数据高度不平衡，对称链接可能并不合适。此处，我们提出一种针对相关二元响应的多元偏斜椭圆链接模型，它将多元 probit 模型作为特例包含在内。此外，我们对这一新模型进行贝叶斯推断，并证明回归系数具有闭式统一偏斜椭圆后验。新方法论通过应用于美国加利福尼亚州三个不同县的 COVID-19 大流行数据加以说明。通过联合建模每周新增病例的极端峰值，我们的结果表明空间依赖性不可忽略。此外，结果还表明，我们所提模型的偏斜潜结构提升了多元 probit 模型的灵活性，并对高度不平衡的数据集提供了更好的拟合。
引用
@article{arxiv.2101.02233,
title = {Tractable Bayes of Skew-Elliptical Link Models for Correlated Binary Data},
author = {Zhongwei Zhang and Reinaldo B. Arellano-Valle and Marc G. Genton and Raphaël Huser},
journal= {arXiv preprint arXiv:2101.02233},
year = {2021}
}