초록 열기/닫기 버튼
본 논문은 최근 널리 적용되고 있는 비정규 오차항을 가진 선형 회귀 모형에서 준 모수적 베이지안 방법을 적용하여 분석하는 방법을 소개한다. 즉, 오차항에 Sahu, Dey와 Branco(2001)가 제시한 비대칭 분포를 가정하고 회귀 계수에 Ferguson(1973)의 디리슈레 과정 사전분포(Dirichlet process prior)를 사용하여 회귀계수를 추정한다. 또한, 최적의 모형을 선택하기 위해서 Green (1995)이 소개한 역 점프 마코프 체인 몬테칼로(reversible jump MCMC) 방법을 이용한다. 이에 따라 독립 변수가 각각 3,4,5개인 모의 실험 자료를 이용한 회귀 계수를 추정하고 최적의 모형을 선택한 결과 우리가 제안한 모형선택 기준이 잘 적합이 됨을 제한된 경험으로 확인할 수 있었다.주요용어 : 디리슈레 과정 사전분포, 비대칭 분포, 역 점프 마코프 체인 몬테칼로 방법.
Generally, we suppose that the error term is the normal distribution in linear regression model but in many practical studies, non-normal error type is more useful. Lately there has been much theoretical and applied interest in linear regression models with non-normal distribution as several authors have explored the consequences of non-normality and heavy-tailed error distributions. We consider linear regression models under skewed heavy tailed error distribution proposed by Sahu, Dey and Branco(2001). The Dirichlet process prior(Ferguson, 1973) is used the prior distribution for regression coefficient. Also, we apply the reversible jump MCMC(Green, 1995) for optimal model selection. The methods are illustrated using simulated example.
키워드열기/닫기 버튼
Dirichlet process prior, Reversible Jump MCMC, Skewed Elliptical Distribution.
