Comparison of Bayesian and Sample Theory Parametric and Semiparametric Binary Response Models

Les modèles à réponse binaire sont largement utilisés comme base pour divers modèles, tels que les analyses par arbre de défaillances, les analyses d’enquête et les évaluations des risques. Dans cette étude, nous proposons un modèle bayésien semi-paramétrique à réponse binaire et le comparons avec un modèle d’échantillonnage semi-paramétrique et d’autres modèles paramétriques à réponse binaire.

Pour les modèles semi-paramétriques, les études qui comparent l’incidence d’une bande passante normale et celle d’une bande optimale sur les estimations de la densité par la méthode du noyau effectuées à l’aide d’un algorithme de Monte-Carlo par chaînes de Markov comportent généralement des limites. Cela s’explique par le fait que le calcul de la bande passante optimale est extrêmement long. Au moyen d’un processeur graphique, nous améliorons l’efficacité de la modélisation en augmentant la vitesse de traitement, la rendant 600 fois plus rapide que les vitesses habituelles. Ainsi, nous obtenons une simulation de Monte-Carlo efficace pour comparer les modèles.

Nos résultats montrent qu’une bande passante optimale n’est pas supérieure à une bande passante normale pour les modèles semi-paramétriques à réponse binaire. Lorsque les données sont équilibrées, les différents modèles à réponse binaire génèrent des résultats semblables. Lorsque les données sont extrêmement déséquilibrées, la modélisation bayésienne semi-paramétrique surpasse les estimations de l’estimateur du maximum de vraisemblance en ce qui a trait à la convergence. Enfin, nous testons la robustesse du modèle bayésien semi-paramétrique et d’autres modèles à réponse binaire en utilisant des données de TransUnion pour estimer les taux de faillite des consommateurs.