Bayesian adaptive Lasso for quantile regression models with nonignorably missing response data
Bayesian adaptive Lasso for quantile regression models with nonignorably missing response data
复制标题
用于具有不可忽略的缺失响应数据的分位数回归模型的贝叶斯自适应套索
DOI：
10.1080/03610918.2018.1468452
复制
发表时间：
2019-01
期刊：
影响因子：
--
通讯作者：
Niansheng Tang
中科院分区：
文献类型：
--
作者：
Dengke Xu;Niansheng Tang
处理不可忽视缺失机制的数据仍然是统计学中一个具有挑战性的问题。本文针对响应数据不可忽略缺失的分位数回归模型，提出了一种完全贝叶斯自适应Lasso方法，其中不可忽略缺失机制由逻辑回归模型指定。该方法对贝叶斯套索进行了扩展，允许对不同的回归系数使用不同的惩罚参数。在此基础上，采用Gibbs采样器与Metropolis-Hastings算法相结合的混合算法对后验分布参数进行模拟，主要包括回归系数、收缩系数、不可忽略缺失模型中的参数。最后，通过一些仿真研究和一个实例来说明所提出的方法。
Abstract Handling data with the nonignorably missing mechanism is still a challenging problem in statistics. In this paper, we develop a fully Bayesian adaptive Lasso approach for quantile regression models with nonignorably missing response data, where the nonignorable missingness mechanism is specified by a logistic regression model. The proposed method extends the Bayesian Lasso by allowing different penalization parameters for different regression coefficients. Furthermore, a hybrid algorithm that combined the Gibbs sampler and Metropolis-Hastings algorithm is implemented to simulate the parameters from posterior distributions, mainly including regression coefficients, shrinkage coefficients, parameters in the non-ignorable missing models. Finally, some simulation studies and a real example are used to illustrate the proposed methodology.
登录
查看更多内容
影响因子：
1.9
作者：
Chen, QX;Ibrahim, JG
通讯作者：
Ibrahim, JG
影响因子：
0.4
作者：
P. Green;Daehak Kim
通讯作者：
P. Green;Daehak Kim
DOI：
10.1080/01621459.1999.10473882
发表时间：
1999-02
影响因子：
3.7
作者：
R. Koenker;J. Machado
通讯作者：
R. Koenker;J. Machado
影响因子：
20.8
作者：
Galin L. Jones;Qian Qin
通讯作者：
Galin L. Jones;Qian Qin
影响因子：
1.4
作者：
Ramon I. Garcia;J. Ibrahim;Hong-Tu Zhu
通讯作者：
Ramon I. Garcia;J. Ibrahim;Hong-Tu Zhu