Tytuł:

Bayesian Approach to Variable Selection in Linear Regression Model and Its Application

Tytuł publikacji grupowej:

Prace Naukowe Akademii Ekonomicznej im. Oskara Langego we Wrocławiu

Tytuł odmienny:

Podejście Bayesowskie do wyboru zmiennych w modelu regresji oraz jego zastosowanie

Autor:

Biskup, Dariusz

Opis:

Prace Naukowe Akademii Ekonomicznej we Wrocławiu; 2007; nr 1162, s. 11-18

Abstrakt:

W artykule ukazano bayesowskie podejście do problemu doboru zmiennych w modelu regresji liniowej. W tym podejściu dobór zbioru zmiennych dokonuje się przez poszukiwanie modelu o największym prawdopodobieństwie zaistnienia. Ponieważ analityczne obliczenie tego prawdopodobieństwa jest w większości przypadków niemożliwe, została wykorzystana metoda reversible jump. Metoda ta należy do klasy algorytmów typu MCMC (Markov Chain Monte Carlo) przystosowanych do przestrzeni o zmiennej liczbie wymiarów. W artykule przedstawiony jest przykład symulacyjny ze współliniowymi zmiennymi, a także przykład z rzeczywistymi danymi dotyczący predykcji PKB. 

Wydawca:

Publishing House of the Wrocław University of Economics

Miejsce wydania:

Wroclaw

Data wydania:

2007

Typ zasobu:

artykuł

Język:

eng

Powiązania:

Prace Naukowe Akademii Ekonomicznej im. Oskara Langego we Wrocławiu; 2007; nr 1162 ; Applications of Mathematics and Statistics in Economics

Prawa:

Wszystkie prawa zastrzeżone (Copyright)

Prawa dostępu:

Dla wszystkich w zakresie dozwolonego użytku

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Źródło finansowania:

Projekt dofinansowany ze środków budżetu państwa, przyznanych przez Ministra Nauki w ramach Programu Społeczna odpowiedzialność nauki II. Tytuł projektu: Nauka dla Społeczeństwa: Prace Naukowe AEW w otwartym dostępie (2005-2008)