稳健学生t回归模型的非迭代贝叶斯抽样算法

与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数.而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性.文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题.     

基于MCMC方法的保险短期个别风险的测算

对保险短期个别风险的测算由于没有充分考虑索赔次数和索赔额的不确定性,其结果不能准确评估并预测保险实务中复杂的短期风险.文章在传统贝叶斯模型基础上引入Metropolis-Hastings抽样与Gibbs抽样相结合的马尔科夫链蒙特卡罗(MCMC)方法,克服了高维数值计算的困难,通过对典型实例的实证测算,证实即使在索赔数据缺失情况下,该模型仍然能够较好地模拟缺失数据的后验估计以及预测值的后验分布,提高了预测的准确性并减少了不确定性风险.     

结构方程模型的Gibbs抽样与贝叶斯估计

吉布斯(Gibbs)抽样可以在给定协方差数据和参数的先验分布条件下获得结构方程参数的后验分布样本.参数的点估计、区间估计和标准误就可以用这些样本数据计算.然而,在小样本的情况下,不考虑样本规模和似然面形状时,吉布斯抽样能得到较为正确的后验分布.当参数的先验分布充分,它的后验估计值可以被用于对不可识别结构方程模型的参数进行贝叶斯推断.     

基于Bayes后验概率的自变量与异常点的同时识别

本文基于自变量与异常点识别隐变量的联合Bayes后验概率,给出了自变量与异常点同时识别的一般方法,且利用Gibbs抽样降低了Bayes后验概率的计算复杂度。其次,针对多值序次数据模型自变量与异常点的同时识别展开详细讨论,给出了同时识别的具体过程。最后通过模拟算例展示了本文方法的有效性。     

基于MCMC模拟的贝叶斯 AR-GJR-GARCH 模型及其应用

AR-GJR-GARCH模型是一种误差项为GJR-GARCH形式的自回归模型,该模型的贝叶斯推断很难得到其具体形式的条件后验密度。文章利用Metropolis-Hastings抽样方法对模型参数的条件后验分布进行MCMC模拟,然后运用模拟得到的样本对模型的参数进行贝叶斯估计。该方法解决了参数估计过程中的高维数值积分问题。模拟结果表明了该模型在中国股市波动性分析过程中的直观性和有效性。     

面板数据的自适应Lasso分位回归方法研究

如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。     

空间滞后模型的贝叶斯估计

本文采用Bayes方法对空间滞后模型进行全面分析。在构建模型的贝叶斯框架时,对模型系数与误差方差分别选取正态先验分布和逆伽玛先验分布,这样以便获得参数的联合后验分布和条件后验分布。在抽样估计时,文章主要使用MCMC方法,同时还设计了一个简单随机游动Metropolis抽样器,以方便从空间权重因子系数的条件后验分布中进行抽样。最后应用所建议的方法进行数值模拟。     

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。     

正态均值变点识别的非迭代抽样算法

文章提出了估计正态序列均值变点位置的非迭代抽样算法.利用逆贝叶斯公式,得到了变点位置的精确后验分布,通过对该离散分布抽取样本,得到变点位置的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且计算速度比迭代的Gibbs抽样算法快.     

稳健学生t回归模型变点估计的Gibbs抽样算法

文章讨论了用学生t线性回归模型估计回归系数变点位置的稳健Gibbs抽样算法.利用学生t分布的正态尺度混合表示,得到各参数的满条件后验分布,通过对满条件分布抽取样本,得到变点位置及其他参数的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且当数据呈现重尾现象时,该模型较正态变点模型要稳健.     

基于MCMC方法的随机数生成研究

文章比较研究了MH算法与Gibbs算法及其改进的优缺点,利用混合Gibbs算法可生成更复杂的分布随机数,如截断后验分布和混合后验分布,给出了建议分布的选择标准和马氏链收敛准则,验证了MCMC方法在贝叶斯推断中的可行性、稳定性和有效性.     

贝叶斯分位数回归组间组内变量选择及其应用

文章利用贝叶斯方法研究分位数回归的组间和组内双变量选择问题。基于偏态拉普拉斯分布和贝叶斯统计推断方法,结合组间和组内系数的Spike-and-Slab先验分布,提出了分位数回归的贝叶斯双层变量选择方法,并给出易于实施的Gibbs后验抽样算法。通过大量数值模拟和实证分析验证了所提变量选择方法的有效性。     

基于Gibbs抽样的贝叶斯超高频金融数据协整关系研究

针对传统协整检验不能适用于具有随机性特征的超高频金融数据的问题,构建贝叶斯超高频金融数据协整模型,结合参数的后验条件分布设计Gibbs抽样方案,提出基于超高频金融数据的贝叶斯协整检验方法,并利用中国股市超高频金融数据进行实证分析。研究结果表明：贝叶斯方法把参数看作随机变量的思想适合超高频数据随机性的特点,贝叶斯超高频数据协整方法能够不断更新参数信息,避免了OLS估计的有偏性问题,可以得到更符合实际的结论。     

有序响应变量的贝叶斯模型选择及其在COPD疾病防治中的应用

慢性阻塞性肺病(COPD)是一种发病率、死亡率都非常高的疾病，且COPD的诊断和严重程度分级依赖于肺功能的检查，但是由于肺功能检查仪器价格昂贵，使得这项检查在很多经济欠发达地区尤其是农村基层医院并没有普及。本文基于有序响应变量模型致力于研究一种便于基层和社区使用的可以初步判别COPD病情的模型，以期提高我国基层和社区的COPD 防治水平。利用贝叶斯变量选择方法和数据增强的潜变量策略得到了易于实施的Gibbs后验抽样算法。数值模拟分析进一步说明了本文提出的有序响应变量贝叶斯模型选择方法的有效性，实例分析得到了易于判别COPD严重程度的稀疏模型。     

基于Gibbs抽样正态混合模型的参数估计

文章运用Gibbs抽样方法,推导了正态混合模型参数估计的迭代公式,并且进行了计算机模拟,得到了较好的效果.     

小样本下贝叶斯参数估计法对操作风险的度量

操作风险损失事件的数据一般较为匮乏,这会影响到模型参数估计的准确性,进而导致经济资本配置的偏差和风险控制能力的降低。在损失分布法的框架下,运用基于MCMC模拟的贝叶斯方法,借助WinBUGS软件包通过Gibbs抽样构造出负二项分布和帕累托分布的稳态马尔可夫链,以分别动态模拟操作风险损失频率和强度的后验分布,计算出操作风险所要求的经济资本。对比极大似然估计法,实证结果表明,在小样本条件下此方法可以取得较好的结果。     

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。     

基于Jeffreys先验的贝叶斯过程能力置信下限估计

本文针对Cpm指数置信下限的问题,通过Fisher信息阵确定Jeffrey无信息先验分布,推导出Cpm的后验分布,并据此采用最大后验密度方法构造了贝叶斯置信下限。该方法解决了后验分布虽是单峰但非对称的置信下限问题。利用MATLAB进行的数值模拟分析,表明了该置信下限能够更准确地反映过程能力,有助于实现对过程能力指数的更精确的估计,为更有效地使用该指数提供了概率依据。     

Gibbs抽样在正态混合模型中的参数估计

文章针对正态混合模型,推导出了Gibbs抽样在正态混合模型中的迭代公式,并通过Matlab编程进行了实例分析.     

客户满意度推荐阈与重购阈的联合估计

高满意度不一定能导致客户忠诚,相同满意度的客户可能有不同的推荐阈和重购阈。文章提出了一种双变量分层Bayes Probit模型,用于联合估算客户个体层次的推荐阈和重购阈。该模型采用一种Gibbs抽样和Metropolis-Hastings算法相结合的MCMC模拟抽样方法来实现模型估计。数据模拟和实证研究均表明,该方法可以有效地联合估计客户个体层次的推荐阈和重购阈,模型的内部效度和外部效度均优于以往模型。