Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması

Zeynep ÖZTÜRK, (Artvin Çoruh Üniversitesi, Hopa İktisadi ve İdari Bilimler Fakültesi, İşletme Bölümü, 08600, Artvin)
Mehmet Ali CENGİZ (Ondokuz Mayıs Üniversitesi, Fen Edebiyat Fakültesi, İstatistik Bölümü, 55200, Samsun)
Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi
1 0
Yıl: 2017 Cilt: 21 Sayı: 3 Sayfa Aralığı: 999 - 1010 Metin Dili: Türkçe DOI: 10.19113/sdufbed.44445 İndeks Tarihi: 28-11-2018

Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması

Öz:
Parametre tahmininde ve model seçiminde uzman görüşlerin modele katılmasını öngören Bayesci yaklaşımda en önemli nokta parametreler hakkında önsel bilgi seçimi ve kullanımıdır. Bu nedenle, bu çalışmada, önsel dağılımların seçimleri tanıtılmış, genelleştirilmiş lineer karma modeller için farklı önseller ile elde edilen modeller hem parametre tahmini hem de model uyumu anlamında karşılaştırılmıştır. Akciğer kanseri hastalarının yaşam kaliteleri ve aldıkları tedavinin çıktılarını ölçmek amacıyla yapılan bir çalışmaya ait gerçek bir veri kullanılmıştır. SAS 9.3 programında Markov Zinciri Monte Carlo algoritması ile elde edilen parametre tahminleri bulunmuş ve modeller kurulmuştur. Farklı önsel seçimleri ile Sapma Bilgi kriteri (DIC) ne göre en iyi model bilgilendirici önsel dağılım ile elde edilen model olmuştur.
Anahtar Kelime:

Prior Selection and Comparisons in Bayesian Generalized Linear Mixed Models

Öz:
In parameter estimation and model selection, selection and use of prior information about the parameters is the most important point in the Bayesian approach that envisage to participate in the expert opinion. Therefore, in this study, the choice of the prior distributions was introduced, generalized linear mixed models with different prior were compared in terms of both models and parameter estimation. It was used a real data that measure outcomes of the treatment and qualities of life of lung cancer patients In SAS 9.3 software, It was found parameter estimates with the Markov Chain Monte Carlo algorithm and models were established. Model that obtained with informative prior distribution is the best model according to Deviance information criterion(DIC).
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • SAS Institute Inc. 2011. SAS/STAT 9.3 User’s Guide. Cary, NC, 7745 s.,USA.
  • Spiegelhalter, David J.; Best, Nicola G.; Carlin, Bradley P.; Van der Linde, Angelika (2002). Bayesian measures of model complexity and fit (with discussion)". Journal of the Royal Statistical Society, Series B. 64 (4): 583–639. doi:10.1111/1467-9868.00353. JSTOR 3088806. MR 1979380.
  • Gelman, A., Jakulin, A., Pittau, M. G., Su¸S. 2008. A weakly informative default prior distribution for logistic and other regression models. Annals of Applied Statistics, 1360-1383.
  • Daniels, M.J., 1999.A prior for the variance in hierarchical models. Canadian Journal of Statistics, 27:569/580.
  • Gelman, A., 2005. Analysis of variance: why it is more important than ever (with discussion). Annals of Statistics.
  • Mehmet A. Cengiz, M. A., Terzi, E., Şenel, T. ve Murat, N., 2012. Lojistik Regresyonda Parametre Tahmininde Bayesci Bir Yaklaşım, AKU J. Sci.12 (2012), 011302 ,(15-22).
  • Jeffreys, H., 1961. Theory of probability Oxford univ Press, New York.
  • Antoni, K., Beirlant, J., 2006. Actuarial statistics with generalized linear mixed models, Insurance Mathematics ve Economics.
  • Congdon, P., 2003. Applied Bayesian Modelling. John Wiley Sons, England Jeffreys, A., 1961, The Theory of Probability, Cambridge University Press, Cambridge 2nd Edition. .
  • Demidenko, E., 2004. Mixed models: Theory and Applications. In: Wiley Series in Probability and Statistics. Hoboken, New Jersey.
  • Box, G.,Tiao, G., 1973. Bayesian inference in statistical analysis, John Wiley&Sons.
  • Tiao, G. C. and Tan, W., 1965. Bayesian analysis of random effect models in the analysis of variance. i. Posterior distribution of variance components. Biometrika, 51: 37-53.
  • Chen M-H, Ibrahim JG, Shao Q-M, Weiss RE, 2003. Prior Elicitation for Model Selection and Estimation in Generalized Linear Mixed Models. Journal of Statistical Planning and Inference; 111:57–76. 586.
  • Gelman, A., 2006. Prior Distributions for Variance Parameters in Hierarchical Models, International Society for Bayesian Analysis, 1, Number 3, pp. 515-534.
  • Kass, R.E. , Natarajan, R., 2006. A Default Conjugate Prior for Variance Components in Generalised Linear Mixed Models (Comment on Article by Browne and Draper). Bayesian Analysis, 1(3), 535-542.
  • Browne, W.J., Draper, D., 2006. A comparison of Bayesian and likelihood-based methods for fitting multilevel models, International Society for Bayesian Analysis, 1, Number 3, pp. 473-514.
  • Berger, J. O., De Oliveira, V., Sans´o, B., 2001. Objective Bayesian Analysis of Spatially Correlated Data, Journal of the American Statistical Association, 96, 1361–1374.
  • Diggle, P. J., Tawn, J. A., Moyeed, R. A., 1998. Model-based Geostatistics, Journal of the Royal Statistical Society, Series C: Applied Statistics, 47, 299–326.
  • Natarajan, R., McCulloch, C.E., 1998. Gibbs sampling with diffuse proper priors: a valid approach to data-driven ınference? Journal of Computational and Graphical Statistics,7, 67/277.
  • Bedrick, E. J., Christensen, R., Johnson, W., 1997. Bayesian binomial regression: Predicting survival at a trauma center. Amer. Statist. 51 211–218.
  • Evangelou, E. A. 2009. Bayesian and Frequentist Methods for Approximate Inference in Generalized Linear Mixed Models. University of North Carolina at Chapel Hill. Doctor of Philosophy in the Department of Statistics and Operations Research (Statistics).
  • Tsai, M. & Hsiao, C.K. Comput Stat (2008) 23: 587. doi:10.1007/s00180-007-0100-x.
  • Zhao, Y., Staudenmayer, J., Coull, B.A., Wand, M.P., 2006. General design Bayesian generalized linear mixed models. Statistical Science, 21, 35–51.
  • Natarajan, R., Kass, R. E., 2000. Reference Bayesian Methods for Generalized Linear Mixed Models, Journal of the American Statistical Association, 95, 227–237.
  • Booth, J. G., Hobert, J. P., 1999. Maximizing generalized linear mixed model likelihoods with an automated Monte Carlo EM algorithm. Journal of the Royal Statistical Society Series B (Statistical Methodology), 61, 265–285.
  • Gamerman, D. Statistics and Computing (1997) 7: 57. doi:10.1023/A:1018509429360.
  • Zeger, S. L., Karim, M. R., 1991. Generalized Linear Models with Random Effects: A Gibbs Sampling Approach, Journal of the American Statistical Association, 86, 79–86.
  • Nelder, J. A and Wedderburn, R. W. M., 1972. Generalized Linear Models, Journal of the Royal Statistical Society. Series A (General) Vol. 135, No. 3 , pp. 370-384.
APA Ozturk Z, Cengiz M (2017). Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. , 999 - 1010. 10.19113/sdufbed.44445
Chicago Ozturk Zeynep,Cengiz Mehmet Ali Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. (2017): 999 - 1010. 10.19113/sdufbed.44445
MLA Ozturk Zeynep,Cengiz Mehmet Ali Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. , 2017, ss.999 - 1010. 10.19113/sdufbed.44445
AMA Ozturk Z,Cengiz M Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. . 2017; 999 - 1010. 10.19113/sdufbed.44445
Vancouver Ozturk Z,Cengiz M Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. . 2017; 999 - 1010. 10.19113/sdufbed.44445
IEEE Ozturk Z,Cengiz M "Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması." , ss.999 - 1010, 2017. 10.19113/sdufbed.44445
ISNAD Ozturk, Zeynep - Cengiz, Mehmet Ali. "Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması". (2017), 999-1010. https://doi.org/10.19113/sdufbed.44445
APA Ozturk Z, Cengiz M (2017). Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 21(3), 999 - 1010. 10.19113/sdufbed.44445
Chicago Ozturk Zeynep,Cengiz Mehmet Ali Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 21, no.3 (2017): 999 - 1010. 10.19113/sdufbed.44445
MLA Ozturk Zeynep,Cengiz Mehmet Ali Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, vol.21, no.3, 2017, ss.999 - 1010. 10.19113/sdufbed.44445
AMA Ozturk Z,Cengiz M Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 2017; 21(3): 999 - 1010. 10.19113/sdufbed.44445
Vancouver Ozturk Z,Cengiz M Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 2017; 21(3): 999 - 1010. 10.19113/sdufbed.44445
IEEE Ozturk Z,Cengiz M "Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması." Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 21, ss.999 - 1010, 2017. 10.19113/sdufbed.44445
ISNAD Ozturk, Zeynep - Cengiz, Mehmet Ali. "Bayesci Genelleştirilmiş Lineer Karma Modellerde Önsel Seçimleri ve Karşılaştırılması". Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 21/3 (2017), 999-1010. https://doi.org/10.19113/sdufbed.44445
Sayfa Oluşturulma Tarihi
23-04-2024 6:56

İLETİŞİM

TÜBİTAK ULAKBİM TR Dizin

Yüzüncüyıl, İşçi Blokları Mahallesi

Muhsin Yazıcıoğlu Caddesi No:51/C

06530 Çankaya / ANKARA +90 (312) 298 92 00

trdizin@tubitak.gov.tr

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © Tüm Hakları Saklıdır. Gizlilik Politikası Kullanım Şartları