非对称误差分布的贝叶斯累加回归树模型研究及应用
Research and Application of Bayesian Additive Regression Trees Model for Asymmetric Error Distribution作者机构:广东财经大学统计与数学学院广州510320 广东财经大学大数据与教育统计应用实验室广州510320 上海对外经贸大学统计与信息学院上海201620
出 版 物:《系统科学与数学》 (Journal of Systems Science and Mathematical Sciences)
年 卷 期:2022年第42卷第11期
页 面:3119-3133页
核心收录:
学科分类:02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 07[理学] 0714[理学-统计学(可授理学、经济学学位)] 070103[理学-概率论与数理统计] 0701[理学-数学]
基 金:广东省自然科学基金面上项目(2020A1515011580) 国家自然科学基金面上项目(11971171)资助课题
主 题:非对称误差分布 贝叶斯累加回归树 预测评价 变量重要性度量 随机森林
摘 要:贝叶斯累加回归树(BART)模型是一种非参数贝叶斯回归方法,在预测和变量重要性度量方面具有强大的功能.BART假设随机误差项服从正态分布,文章针对非对称数据,提出BART推广模型.所提模型首先根据BART树结构特点,基于中心极限定理,得到终节点响应变量均值的渐近分布;接着基于U统计量性质,得到响应变量方差的渐近分布;最后基于Backfitting MCMC算法进行抽样迭代和参数估计.通过数值模拟并和随机森林算法的比较,展示了所提模型的可行性和优越性.实例分析说明了所提模型的实用性.