View : 28 Download: 0

Bayesian Variable Selection Methods in Linear Regression Models

Title
Bayesian Variable Selection Methods in Linear Regression Models
Authors
정현지
Issue Date
2014
Department/Major
대학원 통계학과
Publisher
이화여자대학교 대학원
Degree
Master
Advisors
오만숙
Abstract
In this paper, we describe and compare Bayesian variable selection methods in linear regression models. Specifically, we focus on the following frequently used Bayesian variable selection methods: Kuo & Mallick, Gibbs Variable Selection (GVS), and Stochastic search variable selection (SSVS). For each method, we provide the main idea and R codes for implementation. Then we apply the three methods to a simulation data and a real data to compare the performances of the methods.;이 논문에서는 자료가 선형 회귀를 따를 때 여러 베이지안 변수 선택 방법들 중 가장 많이 쓰이는 Kuo & Mallick, Gibbs Variable Selection (GVS), Stochastic search variable selection (SSVS) 방법에 대해 집중적으로 소개한다. 먼저 이 세 가지 방법들의 원리를 설명하고, R 프로그램을 이용하여 구현한다. 그리고 이 세 가지 방법들을 시뮬레이션 자료와 실제 자료에 적용하여 방법들의 성능을 비교한다.
Fulltext
Show the fulltext
Appears in Collections:
일반대학원 > 통계학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE