复杂异质纵向数据的贝叶斯统计建模与分析——基于隐马尔可夫变系数回归模型

刘鹤飞; 彭守静; 沈秀娟

doi:10.16088/j.issn.1001-6600.2025072303

广西师范大学学报（自然科学版） ›› 2026, Vol. 44 ›› Issue (4) : 147 -158. DOI: 10.16088/j.issn.1001-6600.2025072303

复杂异质纵向数据的贝叶斯统计建模与分析——基于隐马尔可夫变系数回归模型

刘鹤飞, 彭守静, 沈秀娟

作者信息 +

Author information +

文章历史 +

摘要

在实际应用中，隐马尔可夫变系数回归模型面临2个主要挑战：强影响点和缺失数据。强影响点可能会严重扭曲模型参数估计，导致预测性能下降；而缺失数据则可能导致信息丢失，影响模型的准确性和可靠性。因此，有效处理这2类问题对提高模型性能至关重要。针对这些问题，本文使用基于贝叶斯方法的离群值检测方案，并引入示性变量来处理缺失数据机制，利用MH算法与Gibbs抽样获得缺失数据的贝叶斯估计。研究结果表明，隐马尔可夫变系数回归模型结合贝叶斯推断能够适应具有复杂动态特性的数据集，并在面对强影响点和缺失数据时展现出良好性能。模拟试验验证了本文提出方法的有效性，显示模型能够在含有复杂的数据结构中保持较高的准确性。