《表1 J=4时变量选择及估计情况》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《有序响应变量的贝叶斯模型选择及其在COPD疾病防治中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表1可以明显看出，在各种情况下，FNR都趋近于0，且FPR也非常小，说明本节所提的变量选择方法能十分准确地识别各变量。随样本量增加，变量识别的错误率越来越低，系数的估计精度越来越高。表2发现，重要变量进入模型的概率和最优模型的概率都随样本量的增加而逐渐增大，即使在n=200样本量下，变量选择结果依然很好。表3详细报告了k=8时不同样本容量下频率较大的模型及概率。n=300，k=8时，使用Gelman-Rubin方法，计算得到后验样本的潜在尺度缩减因子，进一步，继续增大样本容量，发现R^迅速地趋于1，表明后验样本已经达到收敛状态。同时，再结合图1样本系数的历史路径图、累计均值图和自相关函数图，可以确定该算法在经过预烧期后已经基本趋于稳定，且很快达到收敛。