Je cherche à estimer un GLM hiérarchique mais avec une sélection de caractéristiques pour déterminer quelles covariables sont pertinentes au niveau de la population à inclure.
Supposons que j'ai groupes avec observations et covariables possibles C'est-à-dire que j'ai une matrice de conception de covariables , résultats . Les coefficients de ces covariables sont .
Supposons que ~
Ce qui suit est un GLM bayésien hiérarchique standard avec un modèle d'échantillonnage logit et des coefficients de groupe normalement distribués.
Je veux modifier ce modèle (ou trouver un article qui le fait ou un travail qui en discute) de telle sorte qu'il y ait une sélection de fonctionnalités précise (comme dans LASSO) sur la dimensionnalité de .
(1) Le moyen le plus simple et le plus direct serait de régulariser cela au niveau de la population afin que nous restreignions essentiellement la dimensionnalité de et que tous les aient la même dimension.
(2) Le modèle plus nuancé aurait un rétrécissement au niveau du groupe, où la dimension de dépend de l'unité hiérarchique.
Je suis intéressé par la résolution de 1 et 2, mais le plus important est 1.
la source