混合效应模型的非参数贝叶斯分位回归方法研究 |
| |
引用本文: | 李翰芳,罗幼喜,田茂再. 混合效应模型的非参数贝叶斯分位回归方法研究[J]. 统计研究, 2016, 0(4): 97-103. DOI: 10.3969/j.issn.1002-4565.2016.04.014 |
| |
作者姓名: | 李翰芳 罗幼喜 田茂再 |
| |
作者单位: | 1. 华中师范大学数学与统计学学院;2. 湖北工业大学理学院;3. 中国人民大学统计学院 |
| |
基金项目: | 国家自然科学基金,教育部人文社会科学青年基金,湖北省教育厅人文社科项目,湖北工业大学博士科研启动基金 |
| |
摘 要: | 本文对混合效应模型提出了一种非参数贝叶斯分位回归方法,通过引进一种新的分层有限正态混合分布,将分位回归建模时对随机误差项的假定放宽至仅有分位点约束之下.通过对混合比例参数假设广泛灵活的Stick-Breaking先验,使得模型捕捉复杂数据分布信息的能力更强.在建立的非参数贝叶斯分层分位回归模型中引入潜变量,使模型参数估计的Gibbs抽样算法中原来每次需要计算(2M)N项函数值变为每次只需计算N项即可.蒙特卡罗模拟显示,在误差分布函数变得较为复杂时,非参数贝叶斯分位回归方法比参数方法在估计效果上有更大的优势.
|
关 键 词: | 混合效应模型 有限正态混合分布 Stick-Breaking先验 潜变量 Gibbs抽样算法 |
Research on Nonparametric Bayesian Quantile Regression for Mixed Effect Models |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|