We found a match
Your institution may have access to this item. Find your institution then sign in to continue.
- Title
Conservative prior distributions for variance parameters in hierarchical models.
- Authors
Gustafson, Paul; Hossain, Shahadut; Macnab, Ying C.
- Abstract
Lois a priori conservatrices pour les paramètres de variance de modèles hiéerarchiques Les modèles bayésiens hiérarchiques comportent généralement une ou des composantes de variance que l'on doit doter de lois a priori. Le choix de ces lois est délicat car la variation est un aspect des données difficile à cerner. De toutes les lois a priori 'par défaut,' une loi conjuguée inverse-gamma conditionnelle est la plus souvent employée, malgré ses inconvénients. Les auteurs proposent des lois a priori 'conservatrices' pour les composantes de la variance qui privilégient les petites valeurs. Elles conviennent bien aux situations où le chercheur s'interroge sur la présence réelle de variabilité dans les paramètres de deuxième degré (effets aléatoires) et qu'il veut éviter d'imposer une structure artificielle. Les lois a priori suggérées s'adaptent à diverses situations propices à la modélisation hiérarchique, notamment l'ajustement de courbes lisses et la modélisation de variation spatiale ou de données issues de nombreux sites.
- Subjects
ANALYSIS of variance; MATHEMATICAL statistics; PARAMETER estimation; ESTIMATION theory; BAYESIAN analysis
- Publication
Canadian Journal of Statistics, 2006, Vol 34, Issue 3, p377
- ISSN
0319-5724
- Publication type
Article
- DOI
10.1002/cjs.5550340302