使用随机虚拟数据的g先验和条件预期先验在变量选择中的应用
摘要：Zellner的g-先验及其最近的层级扩展是贝叶斯变量选择环境中最受欢迎的默认先验选择。这些先验设定可以表达为具有固定虚拟数据集的功率先验。本文从功率期望后验（PEP）先验中借鉴了思想，以在g-先验方法下引入一个额外的层次水平，以解释虚拟数据的不确定性。对于正态回归变量选择问题，所得到的功率条件期望后验（PCEP）先验是一个共轭的正态-逆伽马先验，它提供了一种一致的变量选择过程，并支持比使用g-先验和超-g先验更简洁的模型。使用仿真和实际数据示例提供了对使用所提出的方法、g-先验和超-g先验的变量选择过程的详细说明和比较。
作者：Dimitris Fouskakis and Ioannis Ntzoufras
论文ID：1307.2449
分类：Computation
分类简称：stat.CO
提交时间：2013-07-10