Tôi có một bộ dữ liệu với ba biến, trong đó tất cả các biến là định lượng. Gọi nó là , và . Tôi đang điều chỉnh mô hình hồi quy theo quan điểm Bayes thông qua MCMC vớirjags
Tôi đã thực hiện một phân tích thăm dò và biểu đồ phân tán của cho thấy nên sử dụng thuật ngữ bậc hai. Sau đó, tôi trang bị hai mô hình
(1)
(2)
Trong mô hình 1, kích thước hiệu ứng của từng tham số không nhỏ và khoảng tin cậy 95% không chứa giá trị .
Trong mô hình 2, kích thước hiệu ứng của các tham số và là nhỏ và mỗi khoảng đáng tin cậy cho tất cả các tham số chứa .
Thực tế là một khoảng đáng tin cậy chứa là đủ để nói rằng tham số này không đáng kể?
Sau đó tôi điều chỉnh mô hình sau
(3)
Kích thước hiệu ứng của từng tham số không nhỏ, nhưng ngoại trừ tất cả các khoảng tin cậy đều chứa .
Đó là cách đúng để thực hiện lựa chọn biến trong thống kê Bayes?
EDIT: Tôi có thể sử dụng Lasso trong bất kỳ mô hình hồi quy nào, như mô hình Beta không? Tôi đang sử dụng một mô hình với sự phân tán biến nơi
EDIT2: Tôi đã trang bị hai mô hình, một mô hình với Gaussian cho , và một mô hình với Laplace (hàm mũ đôi).
Các ước tính cho mô hình Gaussian là
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
Các ước tính cho mô hình Lasso là
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
Các ước tính cho