Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/23865 
Erscheinungsjahr: 
2003
Schriftenreihe/Nr.: 
Discussion Paper No. 306
Verlag: 
Ludwig-Maximilians-Universität München, Sonderforschungsbereich 386 - Statistische Analyse diskreter Strukturen, München
Zusammenfassung: 
In this paper we highlight a data augmentation approach to inference in the Bayesian logistic regression model. We demonstrate that the resulting conditional likelihood of the regression coefficients is multivariate normal, equivalent to a standard Bayesian linear regression, which allows for efficient simulation using a block Gibbs sampler. We illustrate that the method is particularly suited to problems in covariate set uncertainty and random effects models
Schlagwörter: 
Auxiliary variables
Bayesian logistic regression
Data augmentation
Markov chain Monte Carlo
Model averaging
Random effects
Persistent Identifier der Erstveröffentlichung: 
Dokumentart: 
Working Paper

Datei(en):
Datei
Größe
229.96 kB
327.89 kB





Publikationen in EconStor sind urheberrechtlich geschützt.