محمود افشاری

انتخاب متغیرها در مسائل رگرسیون ذهن بسیاری از آماردانان را به خود مشغول کرده است. چندین روش انتخاب متغیر بیزی توسعه داده شده است، و ما بر روی روش های زیر تمرکز می کنیم: Kuo و Mallick، انتخاب متغیر گیبس (GVS)، انتخاب متغیر جستجوی تصادفی (SSVS)، انقباض تطبیقی با پیشین جفریس یا قبل از لاپلاس، و پرش برگشت پذیر. MCMC. ما این روش ها را با توجه به ویژگی های مختلف آنها بررسی می کنیم. سپس روش ها را در BUGS، با استفاده از داده های واقعی و شبیه سازی شده به عنوان مثال، پیاده سازی می کنیم و چگونگی آن را بررسی می کنیم. روش های مختلف در عمل انجام می شود. نتایج ما نشان می دهد که روش های SSVS، پرش برگشت پذیر MCMC، و روش های انقباض تطبیقی می توانند به خوبی کار کنند، اما انتخاب این که کدام روش بهتر است به پیشین هایی که استفاده می شوند و همچنین به نحوه اجرای آنها بستگی دارد.