$d$-Posterior approach in regression
[
$d$-Aпостериорный подход в регрессии]
A. A. Zaikin Kazan Federal University, Kazan, 420008 Russia
Аннотация:
В статье представлена попытка применить
$d$-апостериорный подход в
регрессии. Так как регрессионные прогнозы являются по сути
последовательностью схожих решений, это даёт возможность
использования
$d$-риска как меры качества прогнозирования. В работе
изучаются различные подходы к применению
$d$-апостериорного подхода
для прогноза в регрессионных моделях. Предлагается подход,
основанный на апостериорном прогностическом распределении
переменной-регрессора в зависимости от значений
переменных-предикторов. Для того чтобы интерпретация
$d$-риска
правила прогноза имела смысл, предлагается добавить в вероятностную
модель распределение предикторов.
Эта методика была применена на двух простых регрессионных моделях.
Сначала изучается линейная регрессия с гауссовским белым шумом. Для
этой модели и для квадратической функции потерь были построены
оценки с равномерно минимальным
$d$-риском. Оказалось, что оценка
параметра совпадает с байесовской оценкой, а прогноз несколько
отличается. Далее рассматривается логистическая регрессия для
бинарной зависимой переменной. Для функции потерь
$1$–
$0$ не существует
правила прогоноза, равномерно минимизирующего
$d$-риск, поэтому
предлагается правило, которое минимизирует максимум двух
$d$-рисков.
Полученные для обеих моделей правила сравниваются с известными
решающими функциями, построенными согласно Байесовскому принципу и
принципу максимального правдоподобия.
Ключевые слова:
байесовская статистика, регрессия, $d$-риск.
УДК:
519.226.3 Поступила в редакцию: 12.10.2017
Язык публикации: английский