针对在传统的统计方法中,联合分析方法不能同时对大量参数进行变量估计问题,提出了贝叶斯β回归模型。该模型使用Dirichlet分布作为模型参数的先验分布,并设计相关MCMC(Markov Chain Monte Carlo)算法对模型进行拟合。通过分析将该模型...针对在传统的统计方法中,联合分析方法不能同时对大量参数进行变量估计问题,提出了贝叶斯β回归模型。该模型使用Dirichlet分布作为模型参数的先验分布,并设计相关MCMC(Markov Chain Monte Carlo)算法对模型进行拟合。通过分析将该模型应用于离散指标变量评估中,结果表明该模型对数据拟合效果好且算法收敛速度快,说明贝叶斯层次模型弥补了传统联合分析方法的缺陷,并对联合分析方法进行了优化改进。展开更多
文摘针对在传统的统计方法中,联合分析方法不能同时对大量参数进行变量估计问题,提出了贝叶斯β回归模型。该模型使用Dirichlet分布作为模型参数的先验分布,并设计相关MCMC(Markov Chain Monte Carlo)算法对模型进行拟合。通过分析将该模型应用于离散指标变量评估中,结果表明该模型对数据拟合效果好且算法收敛速度快,说明贝叶斯层次模型弥补了传统联合分析方法的缺陷,并对联合分析方法进行了优化改进。