文献

J-GLOBAL ID：202202210112492852   整理番号：22A0475705

Bayes分布回帰モデルにおけるサンプル選択バイアスの補正【JST・京大機械翻訳】

Correcting for sample selection bias in Bayesian distributional regression models

著者 (3件)： Wiemann Paul F.V. (Chair of Statistics, Gottingen University, Humboldtallee 3, 37073 Gottingen, Germany) ,  Klein Nadja (Humboldt-Universitaet zu Berlin, Emmy Noether Research Group in Statistics and Data Science, Unter den Linden 6, 10099 Berlin, Germany) ,  Kneib Thomas (Chair of Statistics, Gottingen University, Humboldtallee 3, 37073 Gottingen, Germany)
資料名： Computational Statistics & Data Analysis  (Computational Statistics & Data Analysis)
巻： 168  ページ： Null  発行年： 2022年 
JST資料番号： H0911A  ISSN： 0167-9473  CODEN： CSDADW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 非ランダム選択サンプルの存在下では,標準回帰モデルを含む多くの統計的モデルが失敗する。特に,基礎となる選択プロセスの推定を考慮せずに,バイアスが偏った。サンプル選択モデルは,有益な選択プロセスが関心のある結果のアベイラビリティを支配するとき,このバイアスを修正することができる。Bayes構造化付加分布回帰モデルにおけるサンプル選択バイアスを修正するために,コピュラベースのアプローチを提示した。このフレームワークは,線形または一般化線形モデルの応答に関する分布仮定を緩和し,共変量の関数としてすべての分布パラメータをモデル化する。共変量効果は,純粋に線形であり,他の効果タイプ(例えば,滑らかな機能的効果)は利用可能でない。結果として,提示したアプローチは,Heckmanの古典的試料選択モデルと比較して,依存性構造,利用可能な予測子仕様,および限界分布の選択に関して,増加した柔軟性を提供した。そのような複雑なモデルの推定を容易にするために,Markov連鎖モンテカルロシミュレーションに基づく完全Bayesアプローチを開発し,提示した方法論を経験的に評価した。さらに,導入したアプローチを頻繁な競争者と比較し,心理的判断-助言研究からのデータセットへの適用を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Markov連鎖 ,  アベイラビリティ ,  柔軟性 ,  線形性 ,  バイアス ,  *回帰モデル ,  無作為抽出
準シソーラス用語： モンテカルロシミュレーション ,  予測子 ,  MCMC ,  選択モデル ,  コピュラ ,  共変量 ,  一般化線形モデル , 【Automatic Indexing@JST】

著者キーワード (6件)： Bayes分布回帰 ,  Copula ,  データ増強 ,  Markov連鎖モンテカルロ法 ,  サンプル選択 ,  セミパラメトリック予測子

分類 (2件)： 信頼性  (KB04040H) ,  統計学  (AB08000H)

タイトルに関連する用語 (4件)： 分布 ,  回帰モデル ,  サンプル ,  バイアス