系统科学与数学
繫統科學與數學
계통과학여수학
JOURNAL OF SYSTEMS SCIENCE AND MATHEMATICAL SCIENCES
2010年
10期
1334-1350
,共17页
不可忽略缺失数据%半参数再生散度模型%惩罚样条%压缩Gibbs抽样%M-H算法
不可忽略缺失數據%半參數再生散度模型%懲罰樣條%壓縮Gibbs抽樣%M-H算法
불가홀략결실수거%반삼수재생산도모형%징벌양조%압축Gibbs추양%M-H산법
半参数再生散度模型是再生散度模型和半参数回归模型的推广,包括了半参数广义线性模型和广义部分线性模型等特殊类型.讨沦的是该模型在响应变量和协变量均存在非随机缺火数据情形下参数的Bayes估计和基丁Bayes因子的模型选择问题.在分析中,采用了惩罚样条米估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带米的混合性差以及冈维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽佯方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.
半參數再生散度模型是再生散度模型和半參數迴歸模型的推廣,包括瞭半參數廣義線性模型和廣義部分線性模型等特殊類型.討淪的是該模型在響應變量和協變量均存在非隨機缺火數據情形下參數的Bayes估計和基丁Bayes因子的模型選擇問題.在分析中,採用瞭懲罰樣條米估計模型中的非參數成分,併建立瞭Bayes層次模型;為瞭解決Gibbs抽樣過程中因參數高度相關帶米的混閤性差以及岡維數增加導緻齣現不穩定性的問題,引入瞭潛變量做為添加數據併應用瞭壓縮Gibbs抽佯方法,改進瞭收斂性;同時,為瞭避免計算多重積分,利用瞭M-H算法估計邊緣密度函數後計算Bayes因子,為模型的選擇比較提供瞭一種準則.最後,通過模擬和實例驗證瞭所給方法的有效性.
반삼수재생산도모형시재생산도모형화반삼수회귀모형적추엄,포괄료반삼수엄의선성모형화엄의부분선성모형등특수류형.토륜적시해모형재향응변량화협변량균존재비수궤결화수거정형하삼수적Bayes고계화기정Bayes인자적모형선택문제.재분석중,채용료징벌양조미고계모형중적비삼수성분,병건립료Bayes층차모형;위료해결Gibbs추양과정중인삼수고도상관대미적혼합성차이급강유수증가도치출현불은정성적문제,인입료잠변량주위첨가수거병응용료압축Gibbs추양방법,개진료수렴성;동시,위료피면계산다중적분,이용료M-H산법고계변연밀도함수후계산Bayes인자,위모형적선택비교제공료일충준칙.최후,통과모의화실례험증료소급방법적유효성.