Nonparametric Bayes Conditional Distribution Modeling With Variable Selection
结合变量选择的非参数贝叶斯条件分布建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以条件响应分布及其在预测变量空间中的变化为核心估计对象。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
结合变量选择的非参数贝叶斯条件分布建模
- 研究问题
- 如何灵活估计响应变量随预测变量变化的条件分布，并分别识别在全局和局部区域推动分布变化的重要预测变量？
- 方法与思路
- 作者以 probit 棒折过程构造依赖预测变量的随机分布先验，建立正态回归混合模型，并结合全局选择、局部分布比较与随机搜索采样。
- 材料陈述的贡献
- 摘要提出可估计条件分布及全局变量后验纳入概率的框架，并利用不同预测点的分布估计开展局部变量选择，以模拟和流行病学数据展示。
- 阅读关注点
- 应核对先验如何控制分布随预测变量变化、局部重要性的判定规则，以及变量纳入概率和后验计算对先验与采样设置的敏感性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明选择一致性、区间校准或因果识别条件，预测变量重要性不能直接解释为因果效应。
原文摘要
This article considers a methodology for flexibly characterizing the relationship between a response and multiple predictors. Goals are (1) to estimate the conditional response distribution addressing the distributional changes across the predictor space, and (2) to identify important predictors for the response distribution change both within local regions and globally. We first introduce the probit stick-breaking process (PSBP) as a prior for an uncountable collection of predictor-dependent random distributions and propose a PSBP mixture (PSBPM) of normal regressions for modeling the conditional distributions. A global variable selection structure is incorporated to discard unimportant predictors, while allowing estimation of posterior inclusion probabilities. Local variable selection is conducted relying on the conditional distribution estimates at different predictor points. An efficient stochastic search sampling algorithm is proposed for posterior computation. The methods are illustrated through simulation and applied to an epidemiologic study.