Non-centred parameterisations for hierarchical models and data augmentation.
Non-centred parameterisations for hierarchical models and data augmentation.
复制标题
用于分层模型和数据增强的非中心参数化。
DOI：
--
复制
发表时间：
2003
期刊：
影响因子：
--
通讯作者：
M. Sköld
中科院分区：
文献类型：
--
作者：
G. Roberts;O. Papaspiliopoulos;M. Sköld
在本文中，我们将比较分层模型类的中心和非中心参数化。我们的示例将包括方差分量模型、随机效应模型、隐马尔可夫过程模型和部分观察扩散模型。我们将通过使用状态空间扩展技术来研究非中心方法的构造，并将介绍设计部分非中心参数化的方法，其中许多方法是依赖于数据的。
SUMMARY In this paper, we will compare centered and non-centered parameterisations for classes of hierarchical models. Our examples will include variance component models, random effect models, hidden Markov process models, and partially observed diffusion models. We will investigate the construction of non-centered methods by the use of state space expansion techniques, and will introduce methods for devising partially non-centered parameterisations, many of which are data-dependent.