行政记录整合的贝叶斯分层记录链接模型及应用

记录链接的技术问题与统计理论密切相关,尤其是在建立记录链接分类规则时需要构建统计模型,识别关键变量以完成数据匹配。在贝叶斯框架下构建分层模型整合行政记录,通过多元回归可以实现匹配错误率的估计,而且一对一限制下的记录链接允许通过模块反映记录信息的来源变化,基于MCMC模拟的后验分布计算方便,有助于提高数据整合效率。     

Weibull分布下基于MCMC的贝叶斯恒加试验数据评估

本文基于贝叶斯生存分析理论,在参数的有信息先验假设条件下,通过运用基于Gibbs抽样的马尔可夫链蒙特卡罗(MCMC)方法动态模拟出相关参数后验分布的马尔可夫链,给出恒加试验模型中各参数的贝叶斯估计;利用BUGS软件包对文献[6]中的实例进行建模分析,并将两种假设条件下MCMC具有显著差异的计算结果与传统BLUE结果进行比较,发现BLUE的计算结果近似等于将产品截尾数据当作失效数据时MCMC的处理结果;进而再次揭示出传统BLUE方法的不足,并证明了该模型在可靠性应用中的直观性与有效性。     

贝叶斯学派统计学家，频率学派统计学家和科学家

泛泛而论,19世纪统计学的主流是贝叶斯学派,20世纪统计学的主流是频率学派,至少大多数科学研究人员是这样认为的。21世纪,科学研究人员提出了更大规模的问题要统计专家解决,这些问题常包含数以百万计的数据以及数以千计的参数。而哪一种统计思想将在这些数据的统计分析中占有支配地位?根据一些最近的例子,笔者猜想,需要贝叶斯思想与频率思想的结合来适应日益浓厚的科学研究氛围。对于统计专家来说,不管是应用统计学专家还是理论统计学专家,这将是一个充满挑战的时期,它也将开辟统计应用研究的一个新纪元,并与Fisher,Neyman以及20世纪初的其他统计学巨人所处的历史时期相媲美。     

基于MCMC方法的贝叶斯AR(p)模型分析

本文提出运用Gibbs抽样的MCMC方法,解决时间序列AR(p)模型贝叶斯分析过程中所遇到的复杂的数值计算问题,借数据仿真分析来说明运用WinBUGS软件建模的分析过程,得出以MCMC为基础的WinBUGS软件简便了贝叶斯AR(p)模型的实际应用的结论.     

三个重要国际贝叶斯组织

 在20世纪下半叶，也许统计学界发生的最值得人们关注的事件，莫过于贝叶斯学派重新崛起。目前，贝叶斯学派已演变成为一股国际统计学界充满活力的新生力量，并正在对科学界产生广泛的影响。文章旨在通过对国外三个重要的有关贝叶斯统计组织的介绍，使读者从中窥视到现代贝叶斯统计学发展状况的一个缩影，并奢望文章能成为一块研究国际贝叶斯统计发展状况的引玉之石。     

贝叶斯统计推断及其主要进展

贝叶斯统计推断作为现代统计分析方法的重要内容,对于统计学理论的发展具有里程碑的作用。深入总结其研究的主要进展,具有重要的现实意义。在查阅国内外重要学术研究资料的基础上,从贝叶斯统计推断的思想、与古典统计的研究思路比较和贝叶斯统计推断研究的主要进展三个方面作了综述与介绍,力图达到认识贝叶斯统计推断及其研究现状的目的。     

基于MCMC模拟的贝叶斯分层信用风险评估模型

缺少违约数据与债务人异质性是度量信用风险时面临的重要问题。贝叶斯模型中分层先验信息和马尔可夫链蒙特卡罗（MCMC）模拟方法的应用可以有效缓解数据缺失和测量误差问题,并能对债务人异质性进行评价和比较,从而避免低估风险。针对银行数据的模型拟合与模型诊断均展现了分层估计的适应性和灵活性,相关方法简洁清晰,利于国内风险分析人员采用。同时,涵盖宏观经济协变量的贝叶斯分层模型可以用于更加复杂的风险分析。     

变量惩罚效应在贝叶斯分位数回归模型的应用

尽管贝叶斯分位数回归方法能够有效克服经济金融数据的尖峰厚尾、结构突变等问题,充分借鉴已有研究成果信息,但是其并不能很好解决多维变量模型的维数灾难问题.为此,文章在贝叶斯分位数回归基础上,结合自适应Lasso变量惩罚作用,构建了基于MH抽样的自适应Lasso惩罚贝叶斯分位数回归模型.通过仿真模拟实验以及MCMC链条检验,证明上述模型具有优良拟合性质,尤其是在小样本情形下.     

基于贝叶斯搜索方法的TAR模型研究

文章基于贝叶斯随机搜索方法的思想,提出一种有效解决门限自回归(TAR)模型的贝叶斯方法,在不假设固定的机制个数条件下,借助拉丁变量建立贝叶斯随机搜索TAR模型.在此模型下,拉丁变量的后验分布包含了机制的个数和门限参数的信息,因此滞后阶数、门限值和所有回归系数等的估计均通过MCMC方法从其后验分布抽样.并从模型AR(1)、TAR(2,1,1)、TAR(3,1,1,1)中产生样本,模拟结果表明此方法能很好地估计机制数、延迟参数、门限值及各机制下的回归系数.用贝叶斯随机搜索TAR模型对太阳黑子年度数据集进行分析,找到三个门限值,即10.2,40和73,与已有文献中用其他方法得到的结果一致.     

妙用贝叶斯统计三则

提到贝叶斯统计,人们就会立刻想到“逆概率”,然而在20世纪初,统计学家们都非常谨慎地避免使用“逆概率”。在一次皇家统计学会上,学者们对费歇尔的一篇早期论文进行讨论时,有人质疑他运用了“逆概率”,他坚定地为自己辩护,否认这项可怕的指控。在费歇尔的研究过程中,曾有好几次他差点儿就建立起一门新的统计学分支学科,但每次他都半途而废。“逆概率”的思想起源于18世纪后期,由英国牧师托马斯·贝叶斯发明,但就连贝叶斯本人也把相关的论文和分析结果搁置起来,直到其去世之后,这些论文才得以发表。可以说贝叶斯统计是在与经典统计的争论中…     

贝叶斯计量经济学及面板数据中的贝叶斯推断

随着贝叶斯理论的发展和计算机模拟等数值计算技术的提高,贝叶斯计量经济学开始迅速发展起来。文章在经典学派与贝叶斯学派比较中,简要回顾了贝叶斯计量经济学发展历程;并对面板数据中的贝叶斯方法的应用进行了举例。     

基于Gamma随机效应分层贝叶斯模型的汽车延保定价

汽车延保在中国方兴未艾,相应保险产品的推出更是必然趋势,但相关精算定价研究仍为空白。假设系统故障过程为更新过程,将故障分析问题转换为生存分析问题,对存在左截断和右删失的选择性样本进行分析;模型构建上,假设汽车系统寿命服从两参数威布尔分布,构造多层贝叶斯模型,基于MCMC方法估计后验参数;在第二层模型中引入地区、车型、系统等因子作为协变量建立威布尔混合效应模型,并假设随机效应服从Gamma分布,考虑到系统内部件存在竞争风险,对系统寿命分布参数进行调整,把系统寿命的建模分析转换为指定时间内故障次数的分析,并据此给出延保产品精算定价;通过实证研究,基于某4S店真实数据给出两年期延保定价,结果表明基于Gibbs抽样的贝叶斯MCMC方法估计结果收敛性较好,最终定价也贴合实际情况。     

关于传染性负二项分布发病率的贝叶斯推断

在流行病学领域中,当所研究疾病的发病率很小时,传统方法为采用负二项分布即逆抽样方法对发病率进行研究,并假定发病率固定不变。但考虑到具有传染性的疾病蔓延时,可能由于多种因素而导致发病率产生变动,使得传统方法不能够有效地处理这种情况。在这种情况下,需要将发病率考虑为一个变动的变量,通常采用分层贝叶斯或方差成分模型进行分析。文章在贝叶斯推断中引入了广义第二类beta分布作为负二项分布发病率的先验分布,通过计算机密集计算及MCMC方法来对发病率进行统计推断。     

基于贝叶斯方法的比例数据分位数推断及其应用

为了尝试使用贝叶斯方法研究比例数据的分位数回归统计推断问题,首先基于Tobit模型给出了分位数回归建模方法,然后通过选取合适的先验分布得到了贝叶斯层次模型,进而给出了各参数的后验分布并用于Gibbs抽样。数值模拟分析验证了所提出的贝叶斯推断方法对于比例数据分析的有效性。最后,将贝叶斯方法应用于美国加州海洛因吸毒数据,在不同的分位数水平下揭示了吸毒频率的影响因素。     

现代贝叶斯统计理论的基本观点与研究现状

贝叶斯统计是当今世界的两大主要统计学派之一,本文系统地论述了贝叶斯统计理论的起源、基本观点及其与频率统计学派的差异,并阐述了贝叶斯统计推断的理论研究与实践应用现状。     

基于非线性ECM模型的贝叶斯门限协整研究

 现有门限协整检验方法由于模型似然函数具有多峰、不连续特征,导致冗余参数识别存在困难,最优化计算相对复杂。本文提出基于非线性误差修正模型的贝叶斯门限协整分析,结合参数的后验条件分布设计MCMC抽样方案,进行贝叶斯门限协整检验;并利用Monte Carlo仿真研究了贝叶斯门限协整检验的有限样本性质,发现贝叶斯门限协整检验方法具有良好的有限样本性质。同时,利用不同期限的美国利率序列进行了实证研究,结果发现1个月与3个月利率之间、3个月与6个月利率之间以及3个月与1年利率之间均存在门限协整关系。研究结果表明：贝叶斯门限协整检验方法解决了冗余参数识别的难题,使计算变得相对简单,并提高了估计的精确度和检验的准确性。     

大数据背景下贝叶斯模型平均的理论突破与应用前景

大数据统计分析过程中常面临模型比较和选择的不确定性问题。贝叶斯模型平均(BMA)方法可以通过先验和后验概率度量模型不确定性,并利用后验概率对模型的结果进行加权平均,最终得到更稳健的估计结果。在回顾贝叶斯模型平均发展历程的基础上,介绍贝叶斯模型平均的基本原理,综述其在一些难点问题上的理论进展,并介绍大数据背景下贝叶斯模型平均的应用前景。贝叶斯模型平均与复杂数据分析方法相结合,可能成为大数据研究的新思路。     

基于贝叶斯偏态线性混合模型的费率厘定

线性混合模型是非寿险费率厘定的主要方法之一。通常的线性混合模型假设随机误差项服从正态分布,而保险损失数据往往具有右偏特征,这使得该模型在非寿险费率厘定中的应用受到一定影响。在通常的线性混合模型基础上,假设随机误差项服从偏态分布,即可建立偏态线性混合模型,从而改善费率厘定结果的合理性。基于一组实际的保险损失数据,应用贝叶斯MCMC方法建立几个不同的偏态线性混合模型,并与正态分布假设下的线性混合模型进行对比,实证检验偏态线性混合模型在非寿险费率厘定中的优越性。     

基于贝叶斯图模型方法的投资组合决策

提出基于贝叶斯思想的图模型结构检测方法:首先给出精度矩阵新的参数化方法,且通过MCMC方法给出算法设计,最后将该图模型方法应用于中国证券市场,研究在牛市和熊市下证券市场六大板块之间的条件相关性.实证结果表明:牛市和熊市下的行业板块图结构存在显著差异,熊市似乎有着更强的相关性.     

谁开创了贝叶斯学派？——对拉普拉斯1774年一篇文章的回顾

1764年,贝叶斯的遗作《机遇理论中一个问题的解》，是当今统计学界贝叶斯学派的开山之作，然而直到20世纪，贝叶斯的文章却并未对后世贝叶斯学派的发展产生重大影响。事实上，真正促使贝叶斯的思想在科学界得到广泛传播的关键人物是大科学家拉普拉斯。1774年，拉普拉斯发表的关于贝叶斯理论的里程碑式的文章，使现代读者充分认识到拉普拉斯对贝叶斯学派发展所起的巨大作用，并从拉普拉斯的思想中获得了有益的新知。