.png){kind=icon}
返回
Evaluating Bayesian Variable Selection Approaches for Nonlinear Random Effects Models
.png){kind=icon}
PRE
AI
DOI：10.1080/00273171.2026.2716743.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
纵向数据分析因其能够帮助理解个体及平均生长和发展的时间趋势而吸引研究者和实践者的特别关注。纵向设计的一个特点是收集参与者的广泛信息以帮助解释潜在的生长过程。然而，选择哪些协变量或自变量（即预测变量）纳入统计模型具有挑战性，尤其是在避免过拟合和欠拟合的目标下。本研究通过一个包含未知转折点的分段随机效应模型的广泛蒙特卡洛模拟研究，演示并比较了多种贝叶斯变量选择方法，用于解释纵向生长过程的协变量选择，包括收缩方法（如马蹄形先验）和随机变量搜索方法（如尖峰-平缓先验及其扩展至逆伽马正态混合），旨在为研究者和实践者提供关于贝叶斯变量选择方法在纵向研究中变量选择方面的优势与局限的建议，包括模型收敛性、参数估计的精度和准确性。
Keyword:
Bayesian inference
variable selection
nonlinear random effects model