随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。     

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。     

熵损失函数下Burr(α)X分布参数的贝叶斯估计

文章研究了Burr(α)X分布参数的各类贝叶斯估计问题.在熵损失函数下分别获得了参数的贝叶斯估计、经验贝叶斯估计、多层贝叶斯估计和E-Bayes估计.证明了参数经验贝叶斯估计的渐近最优性,讨论了参数多层贝叶斯估计和E-Bayes估计的稳健性,通过蒙特卡洛方法对各类估计的MSE进行了数值模拟和比较分析,结果表明:经验贝叶斯估计的均方误差最小,精度较高.     

平滑转移空间随机前沿模型的贝叶斯估计

经济数据常存在空间相关性,忽略空间相关性会引发内生性问题,导致相应估计量有偏且不一致。空间随机前沿模型在随机前沿模型的基础上考虑了生产单元的空间相关性,更利于效率测算。然而现有空间随机前沿模型的生产函数形式单一,适用性较差,实证分析存在局限性。文章在空间随机前沿模型中引入平滑转移效应,构建了平滑转移空间随机前沿模型,该模型同时考虑了空间相关性和个体异质性,适用性较佳。为丰富估计方法,同时采用极大似然方法和贝叶斯方法估计模型,其中极大似然估计的核心在于推导对数似然函数、对数似然函数的最优化以及使用JLMS法估计技术效率,贝叶斯估计的核心在于推导未知参数的后验分布及执行MCMC抽样。数值模拟结果显示：（1）极大似然估计和贝叶斯估计的估计精度均较高,其中贝叶斯估计的估计精度略高于极大似然估计;增加样本容量,贝叶斯估计和极大似然估计的估计精度更高。（2）若忽略空间效应或者平滑转移效应,则估计精度较低。     

动态修正贝叶斯估计的Bootstrap调整

在现场子样相对较小的条件下,研究具有多阶段试验信息时弹点散布方差的参数估计问题,将Bayes法和Bootstrap法结合起来,给出动态Bayes估计的Bootstrap调整方案,并通过仿真模拟算例验证方法的有效性.     

MCMC方法的发展与现代贝叶斯的复兴——纪念贝叶斯定理发现250周年

信息科学的进步如何影响统计学理论与方法的发展,是21世纪大数据时代统计学面临的重要问题。回顾20世纪40年代MCMC方法的起源与发展,基于千岛湖植物考察与R软件直观性解释Metropolis–Hastings算法,讨论MCMC方法的发展对现代贝叶斯统计复兴具有至关重要的作用。基于云计算随机模拟,统计学与信息科学密切结合、贝叶斯与频率统计相互交融的统计分析新范式,可能成为大数据研究的新思路。     

贝叶斯空间计量模型综述:理论及其应用

贝叶斯空间计量模型是一门将贝叶斯统计方法与空间计量模型相结合产生的新兴研究方法学科。在回顾已有文献的基础上,以贝叶斯空间计量模型的理论基础与实证应用的最新进展为主线,对贝叶斯空间计量模型进行分类,并对每个类别的模型理论方法、模型应用及模型选择理论做出系统性总结和展望,旨在为理论工作者提供这种前沿模型的理论参考,为实证分析研究者提供利用该模型解决实际问题的思路方法。     

碳排放影子价格的贝叶斯估计

文章采用贝叶斯MCMC方法测算了我国1997—2017年的省际碳排放影子价格。研究结果显示,我国的二氧化碳减排成本呈现上升趋势,按照可比价格计算的碳排放影子价格后验均值由1997年的40.00元/吨上升为2017年的46.59元/吨。但地区间碳排放影子价格的变化趋势差异显著,分别表现为递增型、“倒U”型和平台型走势。地区间的碳排放影子价格分化逐渐拉大,这构成了跨地区碳交易的现实基础。此外,通过与2014—2017年六个试点的碳交易价格进行对比发现,所估计的碳排放影子价格明显偏高,这表明碳排放交易市场的价格发现机制仍有待完善。     

真实固定效应空间随机前沿模型的贝叶斯估计

忽略个体效应和空间效应会严重干扰效率测算,其中忽略个体效应使得技术无效率项发生偏移,忽略空间相关性导致估计量有偏且不一致。本文基于真实固定效应随机前沿模型（引入了个体效应）,引入因变量和双边误差项的空间滞后项,构建了适用性更佳的真实固定效应空间随机前沿模型。对模型进行组内变化以消除额外参数,使用贝叶斯方法（需推导未知参数的后验分布并执行MCMC抽样）估计参数和技术效率。该方法真正克服了额外参数问题,比同类方法直观、简便。数值模拟结果表明,本文方法对参数、个体截距项及技术无效率项的估计精度均较高,且增加样本容量,估计精度变优。     

教学满意度的Bayes估计

本文探讨了贝叶斯统计在教学满意度评价中的具体运用,并结合一个具体的实例对教学满意度的贝叶斯估计方法做了实证分析.     

空间滞后分位数回归模型的工具变量估计及参数检验

本文提出一种遵循空间数据分布特征的空间分位数回归模型,并着重探讨该模型的估计方法和参数检验问题。本文构建了上述模型的一个工具变量估计法,通过数理证明建立了估计量的大样本理论,并基于估计量的渐近分布构造了模型的参数检验方法。本文还通过数值模拟方法和应用实例考察估计方法和参数检验方法的实际应用效果,数值模拟结果显示,估计方法和参数检验方法在有限样本条件下均可以达到较高的精确度和稳定性。在应用实例中,本文利用所构建的理论方法重新检验我国“资源诅咒”效应的存在性,实证结果体现了理论方法的应用价值。     

MCMC Bayesian Estimation in FIEGARCH Models

Bayesian inference for fractionally integrated exponential generalized autoregressive conditional heteroscedastic (FIEGARCH) models using Markov chain Monte Carlo (MCMC) methods is described. A simulation study is presented to assess the performance of the procedure, under the presence of long-memory in the volatility. Samples from FIEGARCH processes are obtained upon considering the generalized error distribution (GED) for the innovation process. Different values for the tail-thickness parameter ν are considered covering both scenarios, innovation processes with lighter (ν > 2) and heavier (ν < 2) tails than the Gaussian distribution (ν = 2). A comparison between the performance of quasi-maximum likelihood (QML) and MCMC procedures is also discussed. An application of the MCMC procedure to estimate the parameters of a FIEGARCH model for the daily log-returns of the S&P500 U.S. stock market index is provided.     

带线性约束的多元线性回归模型参数估计

本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计作出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样得出的参数估计对总样本的参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,这两种改进后的参数估计均较由传统理论得出的参数估计更精确,拟合结果的误差比更小,可信度更高,在大数据的情况下,这种计算方法的速度更快。     

基于分层贝叶斯分析的残疾率小域估计方法

小域估计（Small Area Estimation）是抽样调查领域里一个重要的研究方向,国计民生中的许多重要问题如失业率、传染病的发病率和民意测验等抽样调查都需要采用不同的小域估计方法。本文针对小域估计问题,以估计方法发展脉络为主线,以分层贝叶斯分析的小域估计为重点,对小域估计问题的理论、方法和最新进展进行简述,并利用澳大利亚残疾、老龄化和护理者（SDAC 2003）抽样调查实际数据,从分层贝叶斯分析角度对澳大利亚残疾率进行估计,最后对估计结果进行比较和讨论。     

Bayesian Analysis of Two-Regime Threshold Autoregressive Moving Average Model with Exogenous Inputs

We consider Bayesian analysis of threshold autoregressive moving average model with exogenous inputs (TARMAX). In order to obtain the desired marginal posterior distributions of all parameters including the threshold value of the two-regime TARMAX model, we use two different Markov chain Monte Carlo (MCMC) methods to apply Gibbs sampler with Metropolis-Hastings algorithm. The first one is used to obtain iterative least squares estimates of the parameters. The second one includes two MCMC stages for estimate the desired marginal posterior distributions and the parameters. Simulation experiments and a real data example show support to our approaches.     

随机效应空间滞后单指数面板模型

对随机效应空间滞后单指数面板模型,本文构建了该模型的截面极大似然估计方法,从理论证明和数值模拟两方面分别考察了其估计量的大样本性质和小样本表现。研究结果表明:(1)在大样本条件下,估计量均具有一致性,并且参数估计量具有渐近正态性。(2)在小样本条件下,各估计量依然具有良好的表现,其精度随着样本容量的增加而提高;空间权重矩阵结构的复杂性对空间相关系数的估计量影响较大,但对其他估计量的影响较小。     

Bayesian Estimation of Parameters and Comparison of Shared Gamma Frailty Models

In this article, we introduce shared gamma frailty models with three different baseline distributions namely, Weibull, generalized exponential and exponential power distributions. We develop Bayesian estimation procedure using Markov Chain Monte Carlo(MCMC) technique to estimate the parameters involved in these models. We present a simulation study to compare the true values of the parameters with the estimated values. Also we apply these three models to a real life bivariate survival dataset of McGilchrist and Aisbett (1991 McGilchrist, C. A. and Aisbett, C. W. 1991. Regression with frailty in survival analysis. Biometrics, 47: 461–466. [Crossref], [PubMed], [Web of Science ®] , [Google Scholar]) related to kidney infection data and a better model is suggested for the data.     

Bayesian Estimation of the Parameters of Bivariate Exponential Distributions

In this article, we develop an empirical Bayesian approach for the Bayesian estimation of parameters in four bivariate exponential (BVE) distributions. We have opted for gamma distribution as a prior for the parameters of the model in which the hyper parameters have been estimated based on the method of moments and maximum likelihood estimates (MLEs). A simulation study was conducted to compute empirical Bayesian estimates of the parameters and their standard errors. We use moment estimators or MLEs to estimate the hyper parameters of the prior distributions. Furthermore, we compare the posterior mode of parameters obtained by different prior distributions and the Bayesian estimates based on gamma priors are very close to the true values as compared to improper priors. We use MCMC method to obtain the posterior mean and compared the same using the improper priors and the classical estimates, MLEs.     

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。