基于Bayes后验概率的自变量与异常点的同时识别

统计研究 ›› 2012, Vol. 29 ›› Issue (1): 31-37.

基于Bayes后验概率的自变量与异常点的同时识别

王康宁汪四水

出版日期:2012-01-15 发布日期:2012-01-09

Simultaneous Variable Selection and Outlier Identification Based on Bayes Posterior Probability

Wang Kangning & Wang Sishui

Online:2012-01-15 Published:2012-01-09

摘要/Abstract

摘要： 本文基于自变量与异常点识别隐变量的联合Bayes后验概率，给出了自变量与异常点同时识别的一般方法，且利用Gibbs抽样降低了Bayes后验概率的计算复杂度。其次，针对多值序次数据模型自变量与异常点的同时识别展开详细讨论，给出了同时识别的具体过程。最后通过模拟算例展示了本文方法的有效性。

关键词: 隐变量, Gibbs抽样, 自变量选择, 异常点识别, 多值序次数据

Abstract: This article gives the method of simultaneous variable selection and outlier identification based on the posterior probability of the variable and outlier latent indicator variables, and uses the Gibbs sampling to alleviate the compution of Bayes posterior probability. Secondly, we discuss the method of simultaneous identification for ordinal data model variable and outlier in detail, and give the process of simultaneous identification. Finally, a simulated example is used to show the efficiency of our method.

Key words: Latent Variables, Gibbs Sampling, Variable Selection, Outlier Identification, Ordinal Data

王康宁汪四水. 基于Bayes后验概率的自变量与异常点的同时识别[J]. 统计研究, 2012, 29(1): 31-37.

Wang Kangning & Wang Sishui. Simultaneous Variable Selection and Outlier Identification Based on Bayes Posterior Probability[J]. , 2012, 29(1): 31-37.

[1]	赵为华等. 有序响应变量的贝叶斯模型选择及其在COPD疾病防治中的应用[J]. 统计研究, 2020, 37(3): 85-93.
[2]	聂斌等. 基于最近邻分析的空气质量时空数据异常点识别[J]. 统计研究, 2017, 34(8): 61-70.
[3]	李翰芳等. 混合效应模型的非参数贝叶斯分位回归方法研究[J]. 统计研究, 2016, 33(4): 97-103.
[4]	苏治等. 符号约束与时变参数SVAR模型的贝叶斯估计实现[J]. 统计研究, 2016, 33(10): 100-112.
[5]	罗幼喜等. 基于Gibbs抽样算法的面板数据分位回归方法[J]. 统计研究, 2011, 28(7): 98-103.
[6]	吕庆喆, 言方荣, 林金官. 两种时间序列孤立点挖掘方法的比较[J]. 统计研究, 2005, 22(1): 51-4.