मेरे पास तीन चरों वाला एक डेटासेट है, जहाँ सभी चर परिमाण हैं। इसे , और । मैं MCMC के माध्यम से एक Bayesian परिप्रेक्ष्य में एक प्रतिगमन मॉडल फिटिंग कर रहा हूंrjags
मैंने एक खोजपूर्ण विश्लेषण किया और सुझाव है कि एक द्विघात शब्द का उपयोग किया जाना चाहिए। फिर मैंने दो मॉडल फिट किए
(1)
(2)
मॉडल 1 में प्रत्येक पैरामीटर का प्रभाव आकार छोटा नहीं है और 95% विश्वसनीय अंतराल में मान ।
मॉडल 2 में पैरामीटर का प्रभाव आकार और छोटा है और सभी मापदंडों के लिए विश्वसनीय अंतराल में से प्रत्येक में शामिल हैं ।
तथ्य यह है कि एक विश्वसनीय अंतराल में होता है, यह कहने के लिए पर्याप्त है कि पैरामीटर महत्वपूर्ण नहीं है?
फिर मैंने निम्नलिखित मॉडल को समायोजित किया
(3)
प्रत्येक पैरामीटर का प्रभाव आकार छोटा नहीं है, लेकिन अपवाद के साथ सभी विश्वसनीय अंतरालों में होता है ।
बेयसियन आँकड़ों में परिवर्तनशील चयन करने का सही तरीका कौन सा है?
संपादित करें: मैं बीटा मॉडल की तरह किसी भी प्रतिगमन मॉडल में लासो का उपयोग कर सकता हूं? मैं चर फैलाव के साथ एक मॉडल का उपयोग कर रहा हूं जहां जहां एक वेक्टर है। मैं पहले भी लाप्लास का उपयोग करना चाहिए ?
EDIT2: मैंने दो मॉडल फिट किए, एक गॉसियन लिए , और एक लाप्लास (डबल-एक्सपोनेंशियल) के साथ।
गाऊसी मॉडल के लिए अनुमान हैं
Mean SD Naive SE Time-series SE
B[1] -1.17767 0.07112 0.0007497 0.0007498
B[2] -0.15624 0.03916 0.0004128 0.0004249
B[3] 0.15600 0.05500 0.0005797 0.0005889
B[4] 0.07682 0.04720 0.0004975 0.0005209
delta[1] -3.42286 0.32934 0.0034715 0.0034712
delta[2] 0.06329 0.27480 0.0028966 0.0028969
delta[3] 1.06856 0.34547 0.0036416 0.0036202
delta[4] -0.32392 0.26944 0.0028401 0.0028138
लासो मॉडल के लिए अनुमान हैं
Mean SD Naive SE Time-series SE
B[1] -1.143644 0.07040 0.0007421 0.0007422
B[2] -0.160541 0.05341 0.0005630 0.0005631
B[3] 0.137026 0.05642 0.0005947 0.0005897
B[4] 0.046538 0.04770 0.0005028 0.0005134
delta[1] -3.569151 0.27840 0.0029346 0.0029575
delta[2] -0.004544 0.15920 0.0016781 0.0016786
delta[3] 0.411220 0.33422 0.0035230 0.0035629
delta[4] -0.034870 0.16225 0.0017103 0.0017103
lambda 7.269359 5.45714 0.0575233 0.0592808
Lasso मॉडल में और लिए अनुमान बहुत कम हो गए, इसका मतलब है कि मुझे इस चर को मॉडल से हटा देना चाहिए?
EDIT3: डबल एक्सपोनेंशियल पूर्व ( लास्सो) वाले मॉडल ने मुझे गौसियन पादरियों के साथ मॉडल की तुलना में बड़े डिविज़न, बीआईसी और डीआईसी मान दिए और मुझे गौसियन मॉडल में फैलाव गुणांक के को हटाने के बाद एक छोटा मान भी मिला ।