基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文针对响应变量取值为(0,1)区间上的比例数据研究Beta回归模型的贝叶斯变量选择方法.首先通过选取合适的先验分布,基于贝叶斯随机搜索和EM方法提出了参数的估计算法;然后根据回归系数相应的指示变量后验分布提出了重要变量选择的门限准则,所提方法具有易实施、快速计算等特点;最后通过研究中国上市公司股息率实际数据的影响因素以说明所提方法的有效性.
推荐文章
零一膨胀泊松回归模型的EM算法改进
零一膨胀
计数数据
随机EM算法
基于潜变量自回归算法的化工过程动态监测方法
主成分分析
故障检测
缺失数据
过程系统
基于在线分裂合并EM算法的高斯混合模型分类方法
高斯混合模型
在线训练
分裂融合算法
模式分类
关于回归方程自变量的选择
回归方程
自变量
选择
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 Beta回归模型基于EM算法的变量选择方法
来源期刊 安徽师范大学学报(自然科学版) 学科 数学
关键词 Beta回归模型 EM算法 贝叶斯变量选择
年,卷(期) 2019,(1) 所属期刊栏目 数学与计算机科学
研究方向 页码范围 16-21
页数 6页 分类号 O212
字数 4704字 语种 中文
DOI 10.14182/J.cnki.1001-2443.2019.01.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵为华 南通大学理学院 34 99 5.0 8.0
2 王玲 南通大学理学院 16 23 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Beta回归模型
EM算法
贝叶斯变量选择
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
安徽师范大学学报(自然科学版)
双月刊
1001-2443
34-1064/N
大16开
安徽省芜湖市北京东路1号
26-207
1957
chi
出版文献量(篇)
2772
总下载数(次)
12
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导