У мене є набір даних із трьома змінними, де всі змінні є кількісними. Нехай називаємо це , та . Я підганяю регресійну модель в байєсівській перспективі через MCMCrjags
Я зробив дослідницький аналіз, і розсіювання дозволяє припустити використання квадратичного терміна. Тоді я прилаштував дві моделі
(1)
(2)
У моделі 1 розмір ефекту кожного параметра не малий, а 95% достовірний інтервал не містить значення .
У моделі 2 розмір ефекту параметрів та невеликий, і кожен з достовірних інтервалів для всіх параметрів містить .
Той факт, що достовірний інтервал містить , достатньо, щоб сказати, що параметр не є значущим?
Потім я скоригував таку модель
(3)
Розмір ефекту кожного параметра не малий, але за винятком всі достовірні інтервали містять .
Який правильний спосіб зробити змінний вибір у байєсівській статистиці?
EDIT: Я можу використовувати Лассо в будь-якій регресійній моделі, як Beta модель? Я використовую модель зі змінною дисперсією, де де - вектор. Я також повинен використовувати Laplace попередньо в ?
EDIT2: Я встановив дві моделі: одну з апріорі Гаусса для , та одну з Лапласа (подвійний показник).
Оцінки для Гауссової моделі є
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
Оцінки для моделі Лассо є
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
У estimatives для і зменшений багато в моделі Lasso, це означає , що я повинен видалити ці змінні з моделі?
EDIT3: Модель з подвійним експоненціальним попереднім (Лассо) дає мені більші значення Девіантності, BIC та DIC, ніж модель з Гауссовими пріорами, і я навіть отримую менші значення після зняття коефіцієнта дисперсії в гауссовій моделі.