Saya ingin memperkirakan GLM hirarkis tetapi dengan pemilihan fitur untuk menentukan kovariat mana yang relevan pada tingkat populasi untuk dimasukkan.
Misalkan saya punya grup dengan pengamatan dan kemungkinan kovariat Yaitu, saya memiliki matriks desain kovariat , hasil . Koefisien pada kovariat ini adalah .
Misalkan ~
Di bawah ini adalah GLM bayesian hirarki standar dengan model pengambilan sampel logit dan koefisien grup yang didistribusikan secara normal.
Saya ingin memodifikasi model ini (atau menemukan kertas yang sesuai, atau pekerjaan yang membahasnya) sedemikian rupa sehingga ada beberapa pilihan fitur yang tajam (seperti dalam LASSO) pada dimensi .
(1) Cara paling langsung yang paling sederhana adalah dengan mengatur ini pada tingkat populasi sehingga kita pada dasarnya membatasi dimensi dan semua memiliki dimensi yang sama.
(2) Model yang lebih bernuansa akan memiliki penyusutan di tingkat kelompok, di mana dimensi tergantung pada unit hirarkis.
Saya tertarik untuk menyelesaikan 1 dan 2, tetapi yang jauh lebih penting adalah 1.
sumber