缺失数据假设下的灵活贝叶斯分位数回归分析

论文摘要

考虑缺失数据假设下,响应变量为有序分类变量的灵活贝叶斯分位数回归分析.对有序分类变量添加一潜在变量,并假设潜在变量服从广义偏斜拉普拉斯分布,由此建立起有效的贝叶斯后验推断程序.与传统的贝叶斯分位数回归方法相比,本方法的主要优势在于广义非对称拉普拉斯分布的尾部灵活,具有高度的适应性.最终,以云南省某医院生殖遗传中心的试管婴儿数据为例来说明本方法的有效性和适用性.

论文目录

• 1 方法与理论
•   1.1 贝叶斯分位数回归方法
•   1.2 基于广义非对称拉普拉斯分布的灵活贝叶斯分位数回归方法
•   1.3 部分线性可加模型
•     1.3.1 基函数的选择
•     1.3.2 缺失数据的处理
• 2 先验设置与后验推断
• 3 实例分析
• 4 结论

文章来源

类型: 期刊论文

作者: 谢正粉,戴琳,付英姿

关键词: 二维光滑,样条基函数,广义非对称拉普拉斯分布,缺失数据,贝叶斯分位数回归

来源: 河南科学 2019年02期

年度: 2019

分类: 基础科学

专业: 数学

单位: 昆明理工大学理学院

基金: 国家自然科学基金资助项目(11201200,11561035)

分类号: O212

页码: 157-164

总页数: 8

文件大小: 1393K

下载量: 144