Testing that some regression coefficients are equal to zero is an important problem in many applications. Homoscedasticity is not necessarily a realistic condition in this setting and, as a consequence, no frequentist test there exist. Approximate tests have been proposed. In this paper a Bayesian analysis of this problem is carried out, from a default Bayesian model choice perspective. Explicit expressions for intrinsic priors are provided, and it is shown that the corresponding Bayes factor is computed with the help of very simple numerical computations.
En muchas aplicaciones es frecuente enfrentarse con el problema de contrastar si algunos coeficientes de regresión son nulos. Dicho problema se resuelve, bajo el punto de vista frecuentista, imponiendo la hipótesis de homocedasticidad. Sin embargo esta suposición no es asumible en general, proporcionándose en tales casos tests aproximados. En este artículo se realiza un análisis bayesiano de este problema a partir de la perspectiva bayesiana de selección de modelos. Se obtienen expresiones explícitas para las distribuciones a priori intrínsecas y se comprueba que los factores Bayes asociados se reducen a expresiones fácilmente calculables con métodos numéricos.
@article{urn:eudml:doc:40954,
title = {Intrinsic priors for hypothesis testing in normal regression models.},
journal = {RACSAM},
volume = {97},
year = {2003},
pages = {53-61},
mrnumber = {MR2036739},
language = {en},
url = {http://dml.mathdoc.fr/item/urn:eudml:doc:40954}
}
Moreno, Elías; Girón, F. Javier; Torres, Francisco. Intrinsic priors for hypothesis testing in normal regression models.. RACSAM, Tome 97 (2003) pp. 53-61. http://gdmltest.u-ga.fr/item/urn:eudml:doc:40954/