基于贝叶斯搜索方法的TAR模型研究 |
| |
引用本文: | 谢胜蓝,刘金山,乔杉.基于贝叶斯搜索方法的TAR模型研究[J].统计与决策,2017(12):15-20. |
| |
作者姓名: | 谢胜蓝 刘金山 乔杉 |
| |
作者单位: | 华南农业大学数学与信息学院,广州,510642 |
| |
摘 要: | 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.
|
关 键 词: | 随机搜索 贝叶斯方法 MCMC算法 拉丁变量 机制数 |
Research of TAR Model Based on Bayesian Stochastic Search Method |
| |
Authors: | Xie Shenglan Liu Jinshan Qiao Shan |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|