Semiparametric mixed‐scale models using shared Bayesian forests
Semiparametric mixed‐scale models using shared Bayesian forests
复制标题
使用共享贝叶斯森林的半参数混合尺度模型
DOI：
10.1111/biom.13107
复制
发表时间：
2019
期刊：
影响因子：
1.9
通讯作者：
Lipsitz, Stuart R.
中科院分区：
文献类型：
--
作者：
Linero, Antonio R.;Sinha, Debajyoti;Lipsitz, Stuart R.
本文展示了在各种非参数回归问题（包括多元、异方差和非连续响应）中，跨多个模型分量共享关于协变量未知特征的信息的优势。在本文中，我们提出了一种方法，该方法允许使用贝叶斯树和模型在各个模型组件之间非参数化地共享信息。我们的模拟结果表明，在相关模型组件之间共享信息通常是非常有益的，特别是在必须进行变量选择的稀疏高维问题中。我们通过分析医疗支出调查（MEPS）的医疗支出数据来说明我们的方法。为了便于贝叶斯非参数回归分析，我们开发了两种新的模型，用于分析MEPS数据使用贝叶斯加性回归树-异方差对数正态栅栏模型与“收缩-向-同性”先验和伽玛栅栏模型。
This paper demonstrates the advantages of sharing information about unknown features of covariates across multiple model components in various nonparametric regression problems including multivariate, heteroscedastic, and semicontinuous responses. In this paper, we present a methodology which allows for information to be shared nonparametrically across various model components using Bayesian sum‐of‐tree models. Our simulation results demonstrate that sharing of information across related model components is often very beneficial, particularly in sparse high‐dimensional problems in which variable selection must be conducted. We illustrate our methodology by analyzing medical expenditure data from the Medical Expenditure Panel Survey (MEPS). To facilitate the Bayesian nonparametric regression analysis, we develop two novel models for analyzing the MEPS data using Bayesian additive regression trees—a heteroskedastic log‐normal hurdle model with a “shrink‐toward‐homoskedasticity” prior and a gamma hurdle model.
登录
查看更多内容
贝叶斯树响应面模型
DOI：
--
发表时间：
2013
期刊：
WIREs Data Mining Knowl. Discov.
影响因子：
--
作者：
H. Chipman;E. George;R. Gramacy;R. McCulloch
通讯作者：
R. McCulloch
DOI：
10.1111/j.1467-9876.2007.00601.x
发表时间：
2008-01-01
影响因子：
1.6
作者：
Natarajan, Sundar;Lipsitz, Stuart R.;Gonin, Rene
通讯作者：
Gonin, Rene
当样本包含对数正态观测值和可能为零的观测值时，几种独立总体均值的比较
影响因子：
1.9
作者：
Zhou Xiao‐Hua;W. Tu
通讯作者：
W. Tu
用于因果推理的贝叶斯回归树模型：正则化、混杂和异质效应
DOI：
10.2139/ssrn.3048177
发表时间：
2017
期刊：
Econometrics: Multiple Equation Models eJournal
影响因子：
--
作者：
P. Hahn;Jared S. Murray;C. Carvalho
通讯作者：
C. Carvalho
DOI：
10.1080/01621459.2016.1264957
发表时间：
2018-01-01
影响因子：
3.7
作者：
Linero, Antonio R.
通讯作者：
Linero, Antonio R.