回归中模型平均尾域置信区间的最小覆盖概率的上界
统计方法学
2018-05-18 v1
摘要
频率主义模型平均已被提出作为一种将“模型不确定性”纳入置信区间构建的方法。此类提议在环境和生态统计界引起了特别关注。一种有前景的此类方法是Turek和Fletcher于2012年提出的模型平均尾域(MATA)置信区间。该区间的性能很大程度上取决于其所基于的基于数据的模型权重。Kabaila、Welsh和Abeysekera于2016年在两个嵌套线性回归模型的简单场景下，提供了该区间覆盖概率的一个计算方便的formula。我们考虑更复杂的场景：存在许多（所考虑例子中为32,768个）线性回归模型，按如下方式获得。对于回归参数向量的一组指定分量，我们要么将该分量设为零，要么让其自由变化。我们提供了MATA置信区间的最小覆盖概率的一个易于计算的上界。该上界提供了反对使用基于贝叶斯信息准则(BIC)的模型权重的证据。
引用
@article{arxiv.1702.05189,
title = {Upper bounds on the minimum coverage probability of model averaged tail area confidence intervals in regression},
author = {Paul Kabaila},
journal= {arXiv preprint arXiv:1702.05189},
year = {2018}
}