李道扬, 何幼桦
(上海大学理学院, 上海 200444)
混合回归模型是研究在样本服从的总体分布是不同分布混合时, 解释变量与被解释变量关系的统计模型, 由Goldfeld 等[1]在1973 年提出. 之后, 很多学者对混合回归的问题展开了研究. Wedel 等[2]于1995 年将混合线性回归模型推广到混合广义线性回归模型; 1999 年,Gaffney 等[3]使用期望最大化(expectation maximisation, EM)算法解决了混合回归中的一般参数估计问题; Song 等[4]在2014 年提出了基于拉普拉斯分布的混合稳健回归模型等. 对于混合非参数回归问题, 也有一些学者进行了研究. Huang 等[5]在2013 年使用基于样本局部似然函数的EM 算法解决了混合非参数回归问题; Wu 等[6]在2016 年提出了基于半参数模型的混合分位数回归模型; 胡烨[7]于2017 年在混合泊松回归模型的基础上进一步研究了半参数混合泊松回归的问题等. 在混合回归模型的应用方面, Fraley 等[8]在1998 年将混合回归模型应用于糖尿病患者与健康人的分类和密度估计问题; Gaffney 等[3]于1999 年将混合回归模型应用于视频中的动作识别问题等.
本工作针对一般的混合非参数回归问题, 给出了一种基于贝叶斯框架的方法. 首先, 对回归中的每个非参数混合成分用一个随机过程的有限维分布族作为先验, 同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计, 并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)法抽样来进行后验推断; 然后, 通过数值模拟来分析混合非参数回归模型的贝叶斯推断方法的有效性; 最后, 应用该推断方法……