基于贝叶斯层次模型对联合分析方法的改进

吉林大学学报(信息科学版) ›› 2022, Vol. 40 ›› Issue (4): 657-662.

基于贝叶斯层次模型对联合分析方法的改进

李硕^1a , 刘贺家², 刘东来³, 李阳^1b

1. 吉林财经大学 a. 公共管理学院; b. 会计学院, 长春 130117; 2. 吉林省会计学会, 长春 130021; 3. 吉林省医疗保障事业管理中心, 长春 130033

收稿日期:2021-11-29 出版日期:2022-08-16 发布日期:2022-08-17
通讯作者: 李阳(1980— ), 女, 吉林省吉林市人, 吉林财经大学副教授, 博士, 主要从事金融学与管理学研究, (Tel)86-13019227520(E-mail)9106283@qq.com。
作者简介:李硕(1979— ), 女, 吉林省吉林市人, 吉林财经大学副教授, 博士, 主要从事企业管理相关领域研究( Tel) 86- 13944828024(E-mail)ls2925@163.com;

Bayesian Hierarchical Model for Evaluation Index of Teaching Quality in Higher Education

LI Shuo ^1a, LIU Hejia² , LIU Donglai³, LI Yang ^1b

1a. School of Public Administration; 1b. College of Accounting, Jilin University of Finance and Economics, Changchun 130117, China; 2. Jilin Province Accounting Association, Changchun 130021, China; 3. Jilin Province Medical Security Management Center, Changchun 130033, China

Received:2021-11-29 Online:2022-08-16 Published:2022-08-17
Supported by:
吉林省科技计划基金资助项目(20210601011FG); 吉林省自然科学基金资助项目(20190201134JC); 吉林省哲学社会科学基金资助项目(2021B78); 吉林省发展和改革委员会课题基金资助项目(吉发改投资[2017]784)

摘要/Abstract

摘要： 针对在传统的统计方法中, 联合分析方法不能同时对大量参数进行变量估计问题, 提出了贝叶斯茁回归模型。该模型使用 Dirichlet 分布作为模型参数的先验分布, 并设计相关 MCMC(Markov Chain Monte Carlo)算法对模型进行拟合。通过分析将该模型应用于离散指标变量评估中, 结果表明该模型对数据拟合效果好且算法收敛速度快,说明贝叶斯层次模型弥补了传统联合分析方法的缺陷, 并对联合分析方法进行了优化改进。

关键词: 贝叶斯层次模型； , 联合分析； , MCMC 算法； , Dirichlet 分布

Abstract: In traditional statistical methods, the conjoint analysis method is can not estimate variables for a large number of parameters at the same time, therefore, a Bayesian 茁 regression model is proposed. In the newly established model, the Dirichlet distribution is used as the prior distribution of the model parameters, and the relevant MCMC(Markov Chain Monte Carlo) algorithm is designed to fit the model. By analyzing the results of applying the model to the evaluation of discrete index variables, it is shown that the model has a good fitting effect on the data and the algorithm has a fast convergence speed. It shows that the Bayesian hierarchical model makes up for the defects of the traditional conjoint analysis method, and optimizes and improves the conjoint analysis method.

Key words: Bayesian hierarchical model； , conjoint analysis； , Markov chain Monte Carlo(MCMC) algorithm； , Dirichlet distribution

中图分类号:

TP391

李硕, 刘贺家, 刘东来, 李阳. 基于贝叶斯层次模型对联合分析方法的改进[J]. 吉林大学学报(信息科学版), 2022, 40(4): 657-662.

LI Shuo, LIU Hejia, LIU Donglai, LI Yang. Bayesian Hierarchical Model for Evaluation Index of Teaching Quality in Higher Education[J]. Journal of Jilin University (Information Science Edition), 2022, 40(4): 657-662.

[1]	李学贵, 高明, 吴润桐 , 王如意 , 乾龙, 鉴振, 李文森, 周英杰. 基于粒子滤波的微地震信号去噪方法[J]. 吉林大学学报(信息科学版), 2022, 40(5): 701-709.
[2]	蔡宝, 徐立晨, 谈忠强, 娄伙涛. 减速器热分析虚拟仿真软件开发[J]. 吉林大学学报(信息科学版), 2022, 40(5): 812-818.
[3]	杨华民 , 于志 , 底晓强 , 梁钟予 , 张兴旭 . 基于学生行为数据的学生心理健康状态预测[J]. 吉林大学学报(信息科学版), 2022, 40(5): 819-828.
[4]	买尔丹·祖农. 基于大数据分析的数字多媒体信息加密算法[J]. 吉林大学学报(信息科学版), 2022, 40(5): 829-835.
[5]	李亮 , 鲁铮 , 赵靖华 , 孙宏宇 , 刘靓葳. 基于暗光环境下光条纹去糊的车牌识别[J]. 吉林大学学报(信息科学版), 2022, 40(5): 836-845.
[6]	赵杰, 郭东. 基于平行注意力机制的对抗样本防御方法[J]. 吉林大学学报(信息科学版), 2022, 40(5): 846-855.
[7]	万云霞 , 汪勇 , 曹豪杰 , 陶航宇 , 韩红爽. 实验室设备安全及人员信息管理系统[J]. 吉林大学学报(信息科学版), 2022, 40(5): 868-874.
[8]	张傲克, 钱宇航, 齐红. 基于 WGAN 的多孔材料三维重建[J]. 吉林大学学报(信息科学版), 2022, 40(5): 854-892.
[9]	付光杰, 孙朝阳. 异步电机无速度传感器矢量控制系统仿真[J]. 吉林大学学报(信息科学版), 2022, 40(4): 559-566.
[10]	白洪涛, 栾雪, 何丽莉, 毕亚茹, 张婷婷, 孙成林. 基于缺失森林的医疗大数据缺失值插补[J]. 吉林大学学报(信息科学版), 2022, 40(4): 616-620.
[11]	杨莉云, 颜远海. 融合标签和属性信息的混合推荐算法[J]. 吉林大学学报(信息科学版), 2022, 40(4): 644-651.
[12]	陈雪松, 武小凯. 改进 SIFT 的图像匹配算法[J]. 吉林大学学报(信息科学版), 2022, 40(4): 672-676.
[13]	赵伸. 基于特征点提取的影视动画场景色彩搭配系统[J]. 吉林大学学报(信息科学版), 2022, 40(4): 688-693.
[14]	蔡娣 , 路阳 , 林立媛 , 杜娇娇 , 管闯. 基于稀疏自编码和 SPSO-SVM 的稻瘟病早期病害识别[J]. 吉林大学学报(信息科学版), 2022, 40(3): 416-423.
[15]	万利, 李振江, 陈光勇, 曹倩. 隧道清洗机器人智能调度方法[J]. 吉林大学学报(信息科学版), 2022, 40(3): 431-436.