论文摘要
本文针对响应变量取值为(0,1)区间上的比例数据研究Beta回归模型的贝叶斯变量选择方法。首先通过选取合适的先验分布,基于贝叶斯随机搜索和EM方法提出了参数的估计算法;然后根据回归系数相应的指示变量后验分布提出了重要变量选择的门限准则,所提方法具有易实施、快速计算等特点;最后通过研究中国上市公司股息率实际数据的影响因素以说明所提方法的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 王玲,赵为华
关键词: 回归模型,算法,贝叶斯变量选择
来源: 安徽师范大学学报(自然科学版) 2019年01期
年度: 2019
分类: 基础科学
专业: 数学
单位: 南通大学理学院
基金: 国家社会科学基金会项目(15BTJ027),国家自然科学基金项目(15171112)
分类号: O212.8
DOI: 10.14182/J.cnki.1001-2443.2019.01.003
页码: 16-21
总页数: 6
文件大小: 147K
下载量: 113
相关论文文献
- [1].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(02)
- [2].当前状态数据中比例风险模型的一种贝叶斯变量选择方法（英文）[J]. 中国科学技术大学学报 2020(10)
- [3].中位数回归的贝叶斯变量选择方法[J]. 应用概率统计 2019(06)
- [4].变量选择集成方法[J]. 工程数学学报 2019(01)
- [5].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(01)
- [6].变量选择偏离对预测的影响研究[J]. 统计与决策 2016(12)
- [7].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(12)
- [8].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(04)
- [9].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(06)
- [10].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(19)
- [11].基于两种非凸惩罚函数的稀疏组变量选择[J]. 应用数学与计算数学学报 2018(03)
- [12].基于t函数的稳健变量选择方法[J]. 上海理工大学学报 2017(06)
- [13].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(02)
- [14].个人住房抵押贷款违约相关变量选择[J]. 现代管理科学 2009(04)
- [15].Ensemble-SISPLS近红外光谱变量选择方法[J]. 光谱学与光谱分析 2019(04)
- [16].含函数型自变量回归模型中的变量选择[J]. 北京航空航天大学学报 2019(10)
- [17].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(02)
- [18].基于可见-近红外光谱变量选择的土壤全氮含量估测研究[J]. 中国农业科学 2014(12)
- [19].基于M-估计单指标模型的变量选择[J]. 兰州理工大学学报 2017(06)
- [20].比例数据的贝叶斯变量选择[J]. 数理统计与管理 2018(03)
- [21].主因子逼近方法在变量选择中的应用[J]. 湖南理工学院学报(自然科学版) 2019(01)
- [22].基于自加权变量组合集群分析法的近红外光谱变量选择方法研究[J]. 分析化学 2018(01)
- [23].基于迭代光滑L_(1/2)算法的变量选择[J]. 应用数学与计算数学学报 2016(01)
- [24].高维部分线性模型中的变量选择[J]. 北京工业大学学报 2011(02)
- [25].一种基于频率与回归系数相结合的自举柔性收缩变量选择方法[J]. 仪器仪表学报 2020(01)
- [26].探究变量选择的常见方法[J]. 通讯世界 2019(03)
- [27].几种高维变量选择方法的比较及应用[J]. 统计与决策 2017(22)
- [28].变系数模型的变量选择[J]. 统计与决策 2016(12)
- [29].贝叶斯变量选择及模型平均的研究[J]. 统计与信息论坛 2015(08)
- [30].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(03)