Bayesian Variable Selection Methods in Linear Regression Models

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.