有序响应变量的贝叶斯模型选择及其在COPD疾病防治中的应用

慢性阻塞性肺病(COPD)是一种发病率、死亡率都非常高的疾病，且COPD的诊断和严重程度分级依赖于肺功能的检查，但是由于肺功能检查仪器价格昂贵，使得这项检查在很多经济欠发达地区尤其是农村基层医院并没有普及。本文基于有序响应变量模型致力于研究一种便于基层和社区使用的可以初步判别COPD病情的模型，以期提高我国基层和社区的COPD 防治水平。利用贝叶斯变量选择方法和数据增强的潜变量策略得到了易于实施的Gibbs后验抽样算法。数值模拟分析进一步说明了本文提出的有序响应变量贝叶斯模型选择方法的有效性，实例分析得到了易于判别COPD严重程度的稀疏模型。     

贝叶斯分位数回归组间组内变量选择及其应用

文章利用贝叶斯方法研究分位数回归的组间和组内双变量选择问题。基于偏态拉普拉斯分布和贝叶斯统计推断方法,结合组间和组内系数的Spike-and-Slab先验分布,提出了分位数回归的贝叶斯双层变量选择方法,并给出易于实施的Gibbs后验抽样算法。通过大量数值模拟和实证分析验证了所提变量选择方法的有效性。