• 中文版
  • English
首  頁
  • 關於本所
    • 簡介
    • 10週年
    • 20週年
    • 30週年
  • 人員介紹
    • 研究人員
    • 行政人員
    • 博士後研究
    • 研究助理
    • 學生
    • 諮詢委員
    • 訪問學者
    • 退休暨離職人員
  • 本所位置 中央研究院
    • 首頁
    • 關於本所
      • 簡介
      • 10週年
      • 20週年
      • 30週年
    • 人員介紹
      • 研究人員
      • 行政人員
      • 博士後研究
      • 研究助理
      • 學生
      • 諮詢委員
      • 訪問學者
      • 退休暨離職人員
    • 中華統計學誌
    • 演講公告
    • 研究群
    • 圖書館
    • 資訊室
    • 資料科學統計合作社
    • 學術活動
    • 徵才
    • 近期消息
    • 其他連結
      • 所內網站
      • 網站資源
      • 網站地圖
    • 本所位置
    • 中央研究院
    • English

    中華統計學誌

    演講公告

    研究群

    圖書館

    資訊室

    資料科學統計合作社

    學術活動

    徵才

    近期消息


    其它連結

    • 所內網站
    • 網路資源
    • 網站地圖

    演講公告

    Covariance Matrix Estimation in Random Effect Models Using Metropolis Stochastic Approximation Methods with Data-driven Proposals
    2017 Dec 04 (Mon), 10:30 AM
    中研院-統計所 2F 交誼廳
    茶 會:上午10:10統計所二樓交誼廳
    Asst. Prof. Tso-Jung Yen (顏佐榕 助研究員)
    中央研究院 統計科學研究所
     

    Abstract

        In this paper we propose a method for estimating the covariance matrix of random effects in mixed effect models. We adopt a stochastic approach to approximating the gradient of the log marginal likelihood function. This approach uses a Metropolis-Hastings algorithm to sample random effects from distributions conditional on observed information. In particular, to make the algorithm efficient, this approach uses a data-driven proposal for sampling random effects from target distributions. As a result of that, this approach can achieve high accuracy in approximating the log marginal likelihood. We apply the approach to estimate the covariance matrix of the random effects in various models, including generalized linear mixed models and the Gaussian graphical model.


    隱私權及資訊安全政策
    保有個資檔案公開項目彙整表
    2016 © 中央研究院 統計科學研究所 版權所有
    11529 台北市南港區研究院路二段128號 環境變遷研究大樓    總機:(02)2787-5600 傳真機:(02)2788-6833
    隱私權及資訊安全政策
    保有個資檔案公開項目彙整表
    2016 © 中央研究院 統計科學研究所 版權所有
    11529 台北市南港區研究院路二段128號 環境變遷研究大樓
    總機:(02)2787-5600
    傳真機:(02)2788-6833