A computational method for ordinal probit regression base on polar metropolis

วิธีคำนวณสำหรับการถดถอยโพรบิทเชิงอันดับด้วยวิธีโพลาเมโทร โพลิส

Name: Chaiyanun Tharasuke

LCSH: Distribution (Probability theory)

LCSH: Regression analysis

Abstract: The problem of estimating the cutpoints of an ordinal probit model in a Bayesian setting is a problem of constrained cumulative normal distribution. The Gibbs sampler method, applied to this problem, demonstrated a slow convergence rate due to the conical geometry of the support of the distribution. This research presents a new MCMC method based on the Metropolis algorithm operating on the polar coordinate of the problem. The efficiency of both algorithms is measured based on the number of iterations necessary until all cutpoints converge. The algorithm is applied to a credit rating data set to demonstrate its efficiency.

Abstract: ในปัญหาการประมาณจุดตัดของตัวแบบโพรบิทเชิงอันดับโดยอาศัยแนวคิดเชิงเบส์นั้น จะมีลักษณะของปัญหาเป็นการแจกแจงสะสมของการแจกแจงปกติที่ถูกจำกัด ซึ่งการใช้วิธีการสุ่มตัวอย่างแบบกิบส์ในปัญหานี้ทำให้การลู่เข้ามีความช้า เนื่องจากลักษณะของการแจกแจงความน่าจะเป็นมีลักษณะเป็นรูปทรงเรขาคณิตแบบกรวย ในงานวิจัยนี้จึงได้นำเสนอวิธีลูกโซ่มาร์คอฟมอนติคาร์โลแบบใหม่ซึ่งอาศัยการดำเนินการพิกัดเชิงขั้วบนวิธีเมโทรโพลิส ซึ่งประสิทธิภาพของวิธีการวัดจากจำนวนรอบจนกระทั่งทุกจุดตัดลู่เข้า โดยอาศัยการประยุกต์วิธีการดังกล่าวในข้อมูลอันดับความน่าเชื่อถือ

Chulalongkorn University. Office of Academic Resources

Address: BANGKOK

Email: cuir@car.chula.ac.th

Name: Seksan Kiatsupabul

Role: advisor

Created: 2011

Modified: 2017-05-13

Issued: 2015-11-07

วิทยานิพนธ์/Thesis

application/pdf

URL: http://cuir.car.chula.ac.th/handle/123456789/35876

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Statistics

Grantor: Chulalongkorn University

©copyrights Chulalongkorn University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	chaiyanun_th.pdf	2.42 MB	13	2020-03-07 14:06:57

ใช้เวลา

0.041669 วินาที