来源：期刊VIP网 时间：
作者：张娟娟;王维贤;田茂再;
单位：广州华商学院数字经贸学院;广西师范大学数学与统计学院;中国人民大学应用统计科学研究中心;中国人民大学统计学院;新疆财经大学统计与数据科学学院;
摘要：文章对高维混合效应模型中的分位回归进行了研究，重点探讨变量选择、误差分布建模及高效推断方法。首先，将误差项建模为广义非对称拉普拉斯（GAL）分布，以改善模型在极端分位数下的表现；其次，针对固定效应和混合效应，均采用horseshoe+先验进行贝叶斯变量选择，以提高模型的稀疏性处理能力；最后，采用变分贝叶斯（VB）方法逼近参数的条件后验分布，从而提升计算效率。模拟结果表明，相较于传统的非对称拉普拉斯（AL）分布，GAL分布在极端分位数情况下能表现出更优的拟合效果。同时，尽管VB方法在精度上略低于Gibbs抽样，但其计算效率显著提高，使其更适用于高维纵向数据的贝叶斯分析。
关键词：高维混合效应模型;;广义非对称拉普拉斯分布;;horseshoe+先验;;变分贝叶斯
基金资助：北京市自然科学基金项目(1242005);; 广东省重点建设学科科研能力提升项目(2022ZDJS127);; 广州华商学院校内导师制项目(2023HSDS25)
