统计研究 混合效应模型的非参数贝叶斯分位回归方法研究.pdfVIP

第33卷第4期 统计研究 V01．33．No．4 2016年4月 StafisficalResearch Apr．2016 混合效应模型的非参数贝叶斯分位 回归方法研究4 李翰芳 罗幼喜 田茂再 内容提要：本文对混合效应模型提出了一种非参数贝叶斯分位回归方法，通过引进一种新的分层有限正态混 合分布，将分位回归建模时对随机误差项的假定放宽至仅有分位点约束之下。通过对混合比例参数假设广泛灵活 的Stick．Breaking先验，使得模型捕捉复杂数据分布信息的能力更强。在建立的非参数贝叶斯分层分位回归模型中 引入潜变量，使模型参数估计的Gibbs抽样算法中原来每次需要计算(2M)“项函数值变为每次只需计算N项即可。 蒙特卡罗模拟显示，在误差分布函数变得较为复杂时，非参数贝叶斯分位回归方法比参数方法在估计效果上有更 大的优势。 关键词：混合效应模型；有限正态混合分布；Stick—Breaking先验；潜变量；Gibbs抽样算法 中图分类号：0212 文献标识码：A 文章编号：1002—4565(2016)04—097—07 Researchon for BayesianQuantileRegression Nonparametric MixedEffectModels Li LuoYOUXiTianMaozai Hanfang Abstract：Wea methodforlinearmixedeffects proposenonparametricBayesianquantileregression models．By the oferrorterm to anewhierarchicalfinitenormalmixture relax introducing distribution，wemodelingassumptions only restraint．Anextensiveandflexible isassumedformixtureratio SOthatthemodel quantile Stick—Breakingpriori parameters ismademore for data thelatentvariablesinthe powerfulcapturingcomplexdistribution．Byusing nonparametricBayesian hierarchical reducethe burden N．MonteCarlosimulation model，we computationfrom(2M)“to quantileregression studiesshowthat methodhasan over onesonestimation nonparametricBayesianquantileregression advantageparametric resultswhentheerrordistributionmoreandmo