경로 샘플링 기반 베이지안 모델 선택: 요인 모델과 새로운 개선 방법
본 논문은 요인 모델에 대한 경로 샘플링(Path Sampling, PS)의 정규성 조건을 정리하고, 기존 PS가 MCMC 추정 오류로 베이지안 팩터(BF)를 크게 왜곡할 수 있음을 보인다. 이를 해결하기 위해 “작은 변화”(Small Change)를 적용한 PS‑SC 방법을 제안하고, 다양한 시뮬레이션 및 실제 데이터에서 PS‑SC가 표준 PS보다 BF 추정 정확도가 높고 올바른 모델을 선택하는 비율이 크게 향상됨을 실증한다. 또한 MCMC …
저자: Ritabrata Dutta, Jayanta K. Ghosh
본 연구는 베이지안 모델 선택에서 핵심적인 베이지안 팩터(Bayes Factor, BF)를 계산하기 위한 경로 샘플링(Path Sampling, PS)의 이론적 정당성과 실용적 한계를 동시에 조명한다. 먼저, 요인 모델이라는 고차원 공분산 구조를 갖는 경우에 적용 가능한 세 가지 경로—기하 평균 경로(GMP), 산술 평균 경로(AMP), 파라메트릭 산술 평균 경로(P‑AMP)—를 정리하고, 특히 P‑AMP가 파라메터 공간에서 선형 보간을 통해 경로를 정의함으로써 MCMC 구현이 가장 용이함을 강조한다.
정리 2.1은 PS가 정상적으로 작동하기 위한 최소 조건을 명시한다. 이 정리는 “경로 상의 각 t에 대해 기대 점수 함수 E_t
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기