貝葉斯層次廣義線性模型上的特徵選擇

我希望估計一個分層 GLM，但通過特徵選擇來確定哪些協變量在人口水平上是相關的。

假設我有團體與觀察和可能的協變量也就是說，我有協變量的設計矩陣, 結果. 這些協變量的係數是.

認為~

以下是具有 logit 採樣模型和正態分佈組係數的標準分層貝葉斯 GLM。

我想修改這個模型（或找到一篇論文，或討論它的工作），以便在.

(1) 最簡單最直接的方法是在總體水平上對其進行正則化，以便我們從本質上限制和所有具有相同的維度。

(2) 更細微的模型會在組級別出現收縮，其中維度為取決於層次單位。

我有興趣解決 1 和 2，但更重要的是 1。

我處理（1）的方式將涉及一個尖峰和平板模型，例如：

這：

• 保留了靈活性之前來自 NIW.
• 一次對所有組的變量選擇進行建模。
• 通過為組添加子索引來輕鬆擴展並且每個位置都有一個共同的 beta 之前.

當然，我認為這是存在許多有效方法的問題。

引用自：https://stats.stackexchange.com/questions/321665