科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着计算机技术的不断发展,越来越多的高维数据产生,且在许多应用中,所调查的数据集显示的是异方差的状态。另一方面,模型中存在异常值可能会导致最小二乘估计量产生较大误差,特别是当误差不是高斯分布且分布尾部足够大时,不清楚变点前后两个时刻误差发生的变化,这时更适合考虑分位数回归。因此尝试利用贝叶斯方法建立贝叶斯单变点分层分位回归模型。利用shrinkage和diffusion先验,我们对变点进行了充分的后验推断,通过高效的Gibbs取样,同时得到了每段变量选择的后验概率。使用该方法,在计算上更加便捷有效。
- 单位
