收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

分位数回归中的贝叶斯变量选择

姬永刚  
【摘要】:自从KoenkerBassett的重要论文于1978年发表以后,分位数回归已经被广泛应用到线性和非线性模型的分析中.和传统的均值模型相比,分位数模型可以更详细地描述变量的统计分布.在实际中,当存在很多个解释变量时就很有必要选择一些重要的变量以提高估计的精度.基于随机寻找变量选择方法和非对称拉普拉斯分布的混合表示,本文首先在线性模型中提出了一个简单有效的吉布斯算法进行贝叶斯变量选择.其次将其推广到具有潜在反应变量的模型中,具体的是两值和tobit分位数模型中.进一步,基于狄利克雷混合模型,本文考虑了单指标分位数模型中的贝叶斯变量选择问题,其中连接函数用截断线性样条进行构建,误差项分布由非参数狄利克雷混合模型近似,利用吉布斯抽样和MH算法进行后验推断.对于上述方法本文做了大量的数值模拟研究,结果表明提出的方法在不同的模型下均能有效的识别出真实的模型,最后将方法应用到一些实际数据中.


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 牟建波;刘赪;;基于惩罚方法的贝叶斯群组变量选择[J];绵阳师范学院学报;2017年02期
2 戴伯新;;回归变量选择中的数据诊断[J];应用概率统计;1992年04期
3 王银辉;徐文科;;基于风险函数评价自变量选择对预测的影响[J];哈尔滨师范大学自然科学学报;2012年01期
4 张春霞;李俊丽;;变量选择集成方法[J];工程数学学报;2019年01期
5 李太福;易军;苏盈盈;胡文金;余春娇;;基于特征子空间虚假邻点判别的软传感器模型变量选择[J];机械工程学报;2011年12期
6 张庆;李云霞;;函数型变量选择法用于空气质量影响因素实证分析[J];安庆师范大学学报(自然科学版);2017年04期
7 李扬;许文甫;马双鸽;;污染数据的稳健稀疏成组变量选择方法研究[J];统计与信息论坛;2018年06期
8 徐安察;王玮明;;应用统计类专业探究性教学模式探索与实践——以变量选择准则为例[J];赤峰学院学报(自然科学版);2014年19期
9 杨红;陈德棉;;个人住房抵押贷款违约相关变量选择[J];现代管理科学;2009年04期
10 钟先乐;樊亚莉;张探探;;基于t函数的稳健变量选择方法[J];上海理工大学学报;2017年06期
11 严奇琪;王延新;;高维部分线性小波模型中的变量选择[J];宁波工程学院学报;2018年02期
12 吴耀华;线性中位数回归中的变量选择[J];数学学报;1990年01期
13 李四海;赵磊;;Ensemble-SISPLS近红外光谱变量选择方法[J];光谱学与光谱分析;2019年04期
14 李顺勇;钱宇华;张晓琴;牛建永;;基于变量选择和聚类分析的两阶段异方差模型估计[J];应用概率统计;2018年02期
15 樊亚莉;;分位数回归模型中的两步变量选择(英文)[J];上海师范大学学报(自然科学版);2015年03期
中国重要会议论文全文数据库 前10条
1 张俊华;方伟武;;调查表分析中变量选择的一些方法(英文)[A];中国运筹学会第六届学术交流会论文集(下卷)[C];2000年
2 李慷;席裕庚;;复杂过程系统中操作变量选择与定位的方法研究[A];1993年控制理论及其应用年会论文集[C];1993年
3 罗荣富;邵惠鹤;;推断控制中二次变量选择方法的研究[A];1992年中国控制与决策学术年会论文集[C];1992年
4 徐登;范伟;梁逸曾;;紫外光谱结合变量选择和偏最小二乘回归同时测定水中重金属镉、锌、钴[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
5 曹磊;丛培盛;;偏相关系数矩阵方法用于烟草质量控制的变量选择[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
6 梁逸曾;李洪东;许青松;曹东升;张志敏;;灰色化学建模与模型集群分析——兼论过拟合、稳健估计、变量选择与模型评价[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年
7 李洪东;梁逸曾;;高维数据变量选择新方法研究[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年
8 刘咸姝;潘日芳;;满意控制结构综合的专家系统[A];1996年中国智能自动化学术会议论文集(上册)[C];1996年
9 范伟;李洪东;梁逸曾;;近红外光谱结合CARS变量选择方法用于食醋中总酸的测定[A];中国化学会第28届学术年会第9分会场摘要集[C];2012年
10 夏宁;;中国上市公司高管人员薪酬的影响因素与成因分解——一个基于分位数回归模型的实证研究[A];中国会计学会财务管理专业委员会2009年学术年会论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 姬永刚;分位数回归中的贝叶斯变量选择[D];东北师范大学;2012年
2 初一;若干模型下的变量选择和特征筛选[D];山东大学;2018年
3 王延新;高维模型的变量选择与稀疏正则化[D];武汉大学;2013年
4 李子林;高维基因数据中的统计方法[D];清华大学;2016年
5 唐凯临;变量选择和变换的新方法研究[D];同济大学;2008年
6 秦志敏;我国上市公司财务预警变量选择研究[D];东北财经大学;2012年
7 袁晶;贝叶斯方法在变量选择问题中的应用[D];山东大学;2013年
8 赵军;Expectile回归和最优资产组合中的变量选择问题[D];浙江大学;2017年
9 苏盈盈;基于核方法的非线性系统变量选择及其应用[D];重庆大学;2014年
10 王歆旸;几类整值时间序列模型的拟似然推断和变量选择问题[D];吉林大学;2017年
中国硕士学位论文全文数据库 前10条
1 武杰;Logistic回归中的随机Lasso方法[D];北京建筑大学;2018年
2 耿莹;Random Lasso在Logistic模型中的应用研究[D];暨南大学;2018年
3 郝宽;Lasso及其改进方法在变量选择中的优劣性研究[D];哈尔滨工业大学;2018年
4 褚福常;基于互信息变量选择的热工过程数据建模[D];华北电力大学;2018年
5 曾翠英;高维数据下变量选择问题的研究[D];长沙理工大学;2017年
6 宋雨宸;基于模型集群分析的近红外光谱变量选择方法研究[D];长春理工大学;2018年
7 张倩;基于非凸函数惩罚因子的高维变量选择方法研究[D];西安工程大学;2018年
8 覃丹艳;Cox模型中变量选择方法的研究[D];中国石油大学(北京);2017年
9 张申波;基于变量选择的工业过程故障诊断方法研究[D];温州大学;2018年
10 贺立;Weibull参数模型和半竞争风险模型的变量选择问题[D];浙江大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978