线性模型基于Logistic分布的贝叶斯变量选择

文章基于Logistic误差分布和贝叶斯推断方法,对线性模型提出了一种稳健的贝叶斯估计和贝叶斯变量选择方法.通过引入合适的潜变量,将Logistic分布转化成正态与P(o)lya-Gamma混合分布的形式,从而得到回归系数显式后验分布;进一步通过引入回归系数0-1取值指示向量,基于模型选择研究了贝叶斯变量选择方法,同时提出易于抽样的Gibbs后验抽样方法.通过大量数值模拟和实例数据分析并与已有方法比较,验证了所提方法的有效性.